KR102119125B1 - Apparatus and method for predicting electric power demand based on regional characteristics - Google Patents
Apparatus and method for predicting electric power demand based on regional characteristics Download PDFInfo
- Publication number
- KR102119125B1 KR102119125B1 KR1020180024285A KR20180024285A KR102119125B1 KR 102119125 B1 KR102119125 B1 KR 102119125B1 KR 1020180024285 A KR1020180024285 A KR 1020180024285A KR 20180024285 A KR20180024285 A KR 20180024285A KR 102119125 B1 KR102119125 B1 KR 102119125B1
- Authority
- KR
- South Korea
- Prior art keywords
- region
- days
- power
- households
- data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 56
- 230000005611 electricity Effects 0.000 claims abstract description 79
- 238000013277 forecasting method Methods 0.000 claims abstract description 9
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000000611 regression analysis Methods 0.000 claims description 11
- 238000010219 correlation analysis Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 20
- 238000004458 analytical method Methods 0.000 description 11
- 238000012417 linear regression Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000007710 freezing Methods 0.000 description 2
- 230000008014 freezing Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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—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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
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.The present invention relates to a technology for predicting power demand based on regional characteristics, and the power demand forecasting method collects and preprocesses past power usage data and phenomenon days data representing days of meteorological phenomena, and preprocesses past power Calculate the electricity consumption per house in the region considering the climate characteristics of each region extracted from the usage data and the number of days of development, calculate the number of residential customers by applying the power usage weight according to the number of households constituting the household by region, and use the electricity per house And customer lakes to predict residential power demand.
Description
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.The present invention relates to a technology for predicting electric power demand prior to electric power production and supply, and in particular, an apparatus, method and method for predicting electric power demand for housing using the number of days and the number of households in each region in power demand forecast reflecting regional characteristics It is about a recording medium that records.
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.Generally, electric power refers to electric energy supplied to an electric device for a unit time, or electric energy converted to other types of energy during a unit time, and the supply of electric power is regulated by analyzing the demand for electric power.
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.Currently, Korea Electric Power Corporation (KEPCO), a power sales provider, purchases electricity at the electricity market price announced the previous day in the electricity market and supplies it to power consumers. To execute electricity demand management before the electricity market price surges, the electricity market price Predict the spike day of the electricity market, grasp the variable purchase cost and the variable sales revenue on the spike day of such electricity market price, calculate the target date and time of electricity demand management, the amount of electricity demand reduction required, and reduce the effect of reducing the electricity purchase cost. The introduction of verifiable technology is required.
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.On the other hand, residential power demand is greatly affected by weather changes. In particular, as the supply of cooling and heating equipment used for cooling in the summer and heating in the winter has increased, the demand for electricity in the summer and winter has skyrocketed. According to the Korea Meteorological Administration's 2016 Abnormal Climate Report, the number of heat and cold disease patients due to heat waves and cold waves increased about two times, and on August 8, 2016, the electricity consumption from heat waves hit a record high. Air-conditioning sales also surged, with air-conditioner sales up 160%, dehumidifier sales up 245%, and fan sales up 92%. The increase in sales of air conditioning and heating equipment will have a significant impact on the amount of electricity demand. Therefore, as the occurrence of abnormal climate increases, it is necessary to respond to changes in power demand due to phenomena such as heat waves and tropical nights, not just temperature.
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.The demand for electricity for housing varies depending on the number of household members. According to the census from 1985 to 2015, households with three or fewer households have been increasing, while households with four or more households have been decreasing. In particular, the number of single-person households has soared and currently occupies the highest proportion. As the number of single-person households increases, various services for single-person households are developed, and there are many housing policy changes. Accordingly, the power prediction method needs to be improved. Electricity consumption per household varies depending on the number of households that make up the household. As the number of household members increases, the amount of power used by one household increases, but as personal power, such as TVs and air conditioners, is used for personal use in common, my personal power consumption in one household decreases. Therefore, the need to predict power demand by classifying the power demand used per household was found according to the number of household members.
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.The technical problem to be solved by the present invention is to solve the problem of the inaccurate power demand forecast due to the fact that the weather forecast and the number of households in each region are not taken into consideration in predicting the power demand in the conventional long-term power demand forecasting model. It is intended to prevent errors in power supply caused by inaccurate prediction in advance.
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.In order to solve the above technical problem, a method for predicting power demand based on regional characteristics according to an embodiment of the present invention comprises: (a) collecting and preprocessing data of past days of power usage data and number of days of phenomenon representing weather events; ; (b) calculating power consumption per call in the region in consideration of climate characteristics of each region extracted from the pre-processed power usage data and the number of days of development; (c) calculating the number of household customers by considering the number of household members constituting households for each region; And (d) predicting power demand for a house using the power usage per call and the customer lake.
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.In the method for predicting power demand based on regional characteristics according to an embodiment, the step (a) of collecting and preprocessing the number of days of development data includes: (a1) customer data for residential power for each region, lake data for each region, power usage data for each region, and electricity rate data for each region , Collecting the number of households according to the number of days of development by region, gross national product, gross domestic product by region, the number of households by region, and collecting electricity consumption data per sample household by household number.
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.In the method for predicting power demand based on regional characteristics according to an embodiment, the step of (a) collecting and pre-processing the number of days of development data includes: (a2) total power consumption for each residential area included in the past power usage data and residential area It may further include the step of pre-processing the entire electricity bill, respectively, and converting electricity usage per house for each region into electricity per house for each region.
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.In a method for predicting power demand based on regional characteristics according to an embodiment, the step (b) of calculating power consumption per call in the corresponding region may include (b1) a pre-processed correlation between power usage data and number of days of development data. Selecting a target number of development days to predict power usage per call; (b2) predicting gross domestic product from the gross domestic product and economic growth rate, and calculating a predicted value for the selected number of target phenomenon days; And (b3) calculating power consumption per area by using a multiple regression analysis model derived based on the predicted value of the target number of days of development, the total gross domestic product, and the average electricity rate per area. In addition, the step (b1) of selecting the target number of developing days analyzes a correlation between the past power usage data and the number of developing days data, and indicates that the correlation analysis result shows a predetermined value or more as the target developing days. Can be selected.
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.In the method for predicting power demand based on regional characteristics according to an embodiment, the step (c) of calculating the number of residential customers for a house may include (c1) a weight proportional to the power consumption per sample household in consideration of the number of households constituting households for each region. Calculating; And (c2) calculating the number of residential customer lakes for each region by applying the calculated weights. In addition, in the step (c2) of calculating the number of residential customers for each region, the total number of customers in each region is predicted using the number of households and the number of households in the past, and the number of households in each region is calculated using the ratio of households by number of households. In addition, by applying the weight to the calculated number of customers by region, the number of household members can calculate the number of residential customers for each region.
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.In the method for predicting power demand based on regional characteristics according to an embodiment, the step (d) of predicting power demand for a house may include (d1) the power usage per call calculated by region and the customer lake calculated by region. Calculating demand for residential power for each region; And (d2) may include the step of estimating the nationwide power demand by summing the amount of demand for residential power calculated for each region.
한편, 이하에서는 상기 기재된 지역별 특성에 기초한 전력 수요 예측 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.Meanwhile, the following provides a computer-readable recording medium in which a program for executing a power demand prediction method based on regional characteristics described above is executed on a computer.
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.In order to solve the above technical problem, an apparatus for predicting power demand based on regional characteristics according to an embodiment of the present invention includes: an input unit configured to collect power usage data and days of development data representing days of meteorological phenomena; And pre-processing the collected data, calculating the power consumption per house in the region in consideration of the regional climate characteristics extracted from the pre-processed past power usage data and the number of days of development, and considering the number of households constituting the households for each region. It includes a processing unit that calculates a customer lake and predicts power demand for a house by using the power usage per call and the customer lake.
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.In an apparatus for predicting electric power demand based on regional characteristics according to an embodiment, the input unit may include residential power usage data for each region, residential data for each region, electric power usage data for each region, electric charge data for each region, number of days of development for each region, gross national product, regional gross production, regional furniture The number of households according to the number of households, and the power consumption data per sample household by household number may be collected.
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.In an apparatus for predicting power demand based on regional characteristics according to an embodiment, the processing unit preprocesses the total electric power consumption for each residential area and the total electric charge for each residential area included in the past power usage data, and the power consumption for each residential area per region and for each region. It can be converted into electricity bill per house.
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.In an apparatus for predicting power demand based on regional characteristics according to an embodiment, the processing unit selects a target number of developing days to predict power usage per call from a correlation between the pre-processed past power usage data and the number of developing days data. Multi-regression analysis derived based on predicted regional gross production from the total production and economic growth rate, calculates the predicted value for the selected target development days, and the predicted value of the target development days, the regional total production, and average electricity rates per region Using the model, it is possible to calculate the power consumption per call by region. In addition, the processing unit may analyze a correlation between the past power usage data and the number of days of development, and select the target number of days of development as a result of which the correlation analysis result shows a predetermined value or more.
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.In the apparatus for predicting power demand based on regional characteristics according to an embodiment, the processing unit calculates a weight proportional to the power consumption per sample household in consideration of the number of households constituting the households for each region, and applies the calculated weights to residential customers for each region You can calculate the lake. In addition, the processing unit predicts the total number of customers by region using the past number of customers and the number of households, calculates the number of customers by region of households using the ratio of households by number of households, and calculates the number of customers by region of households By applying the weight to the lake, it is possible to calculate the number of residential customer lakes for each region.
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.In an apparatus for predicting power demand based on regional characteristics according to an embodiment, the processing unit calculates power demand for housing for each region by using the power usage per call calculated for each region and the customer lake calculated for each region, and calculated for each region It is possible to estimate the power demand of the whole country by summing the amount of power for the housing.
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.The embodiments of the present invention calculate the power consumption per house in the region in consideration of the climate feature of each region extracted from the past power usage data and the number of days of development, and calculate the number of household customers for the household by considering the number of households constituting the households in each region. By predicting the power demand for a house using this, the predicted power demand amount can be more accurately derived, and as a result, errors in power generation or supply can be prevented in advance.
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.1 is a flowchart illustrating a method for predicting power demand based on regional characteristics according to an embodiment of the present invention.
2 is a diagram illustrating a data search result of a power big data center.
FIG. 3 is a diagram illustrating data search results of the weather data opening portal of the Korea Meteorological Administration.
4 is a diagram illustrating data search results of the National Climate Data Center of the Korea Meteorological Administration.
FIG. 5 is a diagram illustrating data search results of e-country indicators gross domestic product.
6 is a diagram illustrating the GDP growth rate forecast (KDI) of the 6th Basic Plan for Power Supply and Demand.
7 is a diagram illustrating data search results of GRDP for each trial of the National Statistical Office.
8 is a diagram illustrating the data search results of the general survey households by the number of households by the National Statistical Office.
FIG. 9 is a diagram illustrating the results of data inquiry of estimated households by age/number of households of the head of households of the National Statistical Office.
10 is a diagram illustrating a part of the 2014 Energy Census Report.
11 is a flowchart illustrating in more detail the process of calculating power consumption per call in the method for predicting power demand in FIG. 1 according to an embodiment of the present invention.
12 is a flowchart illustrating in more detail the process of calculating the number of customers for a house in the method for predicting power demand in FIG. 1 according to an embodiment of the present invention.
13 is a flowchart more specifically illustrating a process of predicting power demand for a house in the power demand prediction method of FIG. 1 according to an embodiment of the present invention.
14 is a block diagram illustrating an apparatus for predicting power demand based on regional characteristics according to an embodiment of the present invention.
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.Hereinafter, embodiments of the present invention for solving the above-described technical problems will be described in detail with reference to the drawings. However, in the following description and accompanying drawings, detailed descriptions of well-known functions or configurations that may obscure the subject matter of the present invention are omitted. In addition, it should be noted that the same components throughout the drawings are represented by the same names and reference numerals as possible.
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.1 is a flowchart illustrating a method for predicting power demand based on regional characteristics according to an embodiment of the present invention. From an implementation point of view, a program consisting of a set of instructions for performing a series of processes described below is mounted on a storage device such as a memory, and these programs are read using at least one processor to read instructions. By performing, the power demand prediction system including these devices outputs the target power demand prediction value from the input data.
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.In step S110, the electric power demand prediction system collects and preprocesses data of past power usage data and days of development representing weather days. Here, the number of days of development refers to the number of days of meteorological phenomena such as clear, cloudy, relief, storm, precipitation, snow, thunderstorm, fog, frost, snow, freezing. In this process, collecting data for analysis collects past data related to the power demand data to be predicted. Data collected may include gross national product, economic growth rate, gross domestic product, electricity rates, electricity consumption by region, number of residential customers by region, electricity consumption per sample household by household number, and future household estimates.
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.On the other hand, the collected data needs to be properly processed through a pre-processing process. The data is processed to be suitable for a form for use in predicting the data collected in the data collection process for analysis. To this end, the total electricity consumption for each residential area and the total electricity rate for each residential area included in the past power usage data are pre-processed, respectively, to convert electricity consumption per house for each region and electricity per house for each region. Through the pre-processing process, missing values in the data are removed and converted into data for analysis. Through the pre-processing of the power data, it is possible to calculate the power consumption per house for each region in the next process and the electricity cost for residential electricity for each region.
데이터 분석은 호당 전력 사용량 분석(S120)과 가중치를 적용한 고객 호수 산출(S130)로 구분될 수 있다.Data analysis may be divided into power usage analysis per call (S120) and customer lake calculation (S130) by applying weights.
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.In step S120, the power demand prediction system calculates power usage per call in the corresponding region in consideration of climate characteristics of each region extracted from the pre-processed power usage data and the number of days of development. In this process, the number of days of development data is selected through a correlation analysis between the number of days of electricity usage and the number of days of development to predict the power consumption per call. Models can be generated based on the selected number of days of development, total gross domestic product, and average electricity rates per area, thereby predicting power consumption per area.
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.In step S130, the power demand forecasting system calculates the number of household customers for the household in consideration of the number of households constituting households for each region. In this process, the weight can be calculated by using the power consumption according to the number of households, and the customer lake by region can be calculated by applying the weight to the customer lake by region.
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.Finally, in step S140, the power demand prediction system predicts power demand for a house using the power usage per call and the customer lake. In this demand forecasting process, power demand in each region is predicted by using the power consumption per area estimated by the power consumption analysis per call and the customer lake by region applied with the weight calculated in the calculation of the customer lake. Can predict.
이하에서는 각 과정을 실제 데이터의 예시와 연산 방법론을 통해 보다 구체적으로 기술하도록 한다.Hereinafter, each process will be described in more detail through an example of actual data and an operation methodology.
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.First, as described above, in the embodiments of the present invention, in collecting basic data for analysis, customer power data for residential home use by region, power usage data for each region, electricity rate data for each region, number of days of development for each region, gross national product, within the region Data on electricity consumption per sample household by total production, number of households by region, and number of households by household can be collected.
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.FIG. 2 is a diagram illustrating the data search result of the electric power big data center, and is a result of inquiring about the Seoul Metropolitan City to collect data such as customer number for residential use by region, electric power usage by region, and electric charge data by region.
한편, 현상일수 데이터는 기상청 기상자료개방포털과 기상청 국가기후데이터센터를 통해 데이터 수집할 수 있다.On the other hand, the number of days of development data can be collected through the Meteorological Agency's Meteorological Data Opening Portal and the Meteorological Agency's National Climate Data Center.
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.FIG. 3 is a diagram illustrating data search results of the weather data opening portal of the Korea Meteorological Administration, and is a result of inquiring to collect the number of heat waves in Seoul. In addition, FIG. 4 is a diagram illustrating data search results of the National Climate Data Center of the Korea Meteorological Administration, and is a result of inquiring to collect the number of heat waves in Seoul.
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.Next, gross domestic product can be collected through data provided by e-country indicators. FIG. 5 is a diagram illustrating data search results of e-country indicators of gross domestic product, and is a result of inquiring to collect gross domestic product and economic growth rate (GDP) data.
이와 더불어, 국내총생산의 예측값을 사용하기 위해 성장률 전망을 이용한다. 도 6은 6차 전력수급기본계획의 GDP 성장률 전망(KDI)을 보여준다.In addition, the growth rate forecast is used to use the forecasts of gross domestic product. 6 shows the GDP growth rate forecast (KDI) of the 6th Basic Plan for Electricity Demand and Supply.
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.In addition, the regional gross domestic product, the number of households by region, and the estimated furniture by household number can collect data provided by the National Statistical Office. FIG. 7 is a diagram illustrating data search results of GRDP for each trial of the National Statistical Office, and FIG. 8 is a diagram illustrating data search results of the general survey furniture for each household member of the National Statistical Office, and inquired to collect the number of households by household member by region Is the result.
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.FIG. 9 is a diagram illustrating the results of data search of estimated households by age/number of households by the National Statistical Office, and is a result of inquiring to collect household data by households by region and data by households by region in the future.
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.Finally, power consumption data per sample household by household number can be obtained according to the contents of the Energy Census Report. 10 is a diagram illustrating a part of the 2014 Energy Census Report, and shows the portion of energy consumption per sample household by household number.
이제, 전력 수요 예측 시스템은, 상기 예시된 바와 같은 수집된 데이터를 전처리한다. 이 과정에서 데이터에 발생한 결측값을 제거하고 데이터 분석에 필요한 형태의 데이터로 전처리한다. Now, the power demand prediction system pre-processes the collected data as illustrated above. In this process, the missing values generated in the data are removed and pre-processed with data in the form required for data analysis.
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.It is necessary to pre-process the total power consumption for each residential area (E A,r,t ) provided by the Electric Power Big Data Center as the power consumption per house for each local area (E r,t ), and the total electricity bill for residential areas (p A,r,t) ) Is required for pre-treatment as the electricity bill per house for each region (p r,t ).
다음의 수학식 1은 지역별 주택용 호당 전력 사용량을 산출하는 식이다. 도 2의 전력빅데이터센터의 지역별 연간 주택용 전력 사용량과 지역별 연간 주택용 고객호수를 이용하여 산출한다.
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.Here, E r,t denotes the power consumption per house for year t in area r, E A,r,t denotes the total power use for house in year t in region r , and c r,t denotes the customer for year t in region r Represents a lake, r is an index indicating the region, and t is an index indicating the year.
이하의 표 1은 2009-2013년 서울의 주택용 호당 전력 사용량을 계산한 사례이다.Table 1 below is an example of calculating the power consumption per house for Seoul in 2009-2013.
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.
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.Here, p r,t represents the electricity cost per house for year t in region r, p A,r,t represents the electricity fee for house t year in region r, r is an index representing the region, and t represents year Index.
이하의 표 2는 2009-2013년 서울의 주택용 호당 전기요금을 계산한 사례이다.Table 2 below is an example of calculating electricity rates per house for Seoul in 2009-2013.
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.11 is a flowchart illustrating in more detail the process of calculating power consumption per call (S120) in the power demand prediction method of FIG. 1 according to an embodiment of the present invention. Considering the relationship between them, it is estimated how much power is used per call in the region.
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.In step S121, the power demand prediction system may select a target number of developing days to predict power usage per call from a correlation between the pre-processed past power usage data and developing days data. From an implementation point of view, a correlation between the past power usage data and the number of days of development data may be analyzed, and the target number of days of development may be selected as a result of which the correlation analysis result shows a predetermined value or more.
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.More specifically, in this process, the number of days of development can be selected to predict power usage per call by obtaining a correlation between the number of days of development and power consumption by region using historical data collected previously. The number of developing days is divided into heat wave days, freezing days, crossing days, snow days, drying days, frost days, hail days, thunder days, yellow dust days, fog days, tropical days, precipitation days, etc. As a result of correlation analysis, it is desirable to select the number of days with high correlation. The correlation equation can be based on the correlation equation of the following equation (3) used in statistics.
여기서, r은 상관계수이고, x,y는 비교하고자 하는 대상, 즉 각각 호당 전력사용량과 현상일수를 나타낸다.Here, r is a correlation coefficient, and x,y represent an object to be compared, that is, power consumption per call and number of development days.
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.Using the past data, the correlation between power usage per area and the number of days of development by region is analyzed using
표 3은 2004-2013년 서울의 호당 전력 사용량과 현상일수의 수학식 3를 이용하여 상관관계를 분석한 사례이다.Table 3 is an example of the correlation
표 4는 2004-2013년 데이터를 이용해 분석한 결과 지역별 호당 전력 사용량과 상관관계가 높은 상위 3개의 현상일수를 나타낸 사례이다.Table 4 is an example showing the top three phenomenon days with high correlation with electricity consumption per region as a result of analysis using data from 2004-2013.
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.In step S122, the electric power demand prediction system may predict regional gross domestic product from the gross domestic product and the economic growth rate, and calculate a predicted value for the selected number of target phenomenon days. Regional gross production and the number of days of development are required to enter the value of the year to be predicted, so each is predicted through simple regression analysis.
지역내총생산은 도 5의 국내총생산(GDP)과 도 6의 경제성장률, 도 7의 GRDP(시도)를 이용하여 전력을 예측하기 위한 지역내총생산(GRDP)을 예측한다.The regional gross domestic product (GDP) of FIG. 5, the economic growth rate of FIG. 6, and the GRDP (trial) of FIG. 7 are used to predict the regional gross domestic product (GRDP) for predicting electric power.
수학식 4는 GDP를 이용하여 GRDP를 예측하는 단순선형회귀분석 모델이다. 예측하고자하는 해의 10년간 GRDP와 GDP를 이용하여 모델을 생성하고, 예측하고자 하는 해의 GDP를 계산하여 값으로 사용한다.
여기서, GRDPr,t는 지역 r의 t년도 지역내총생산을 나타내고, GDPt는 t년도 국내총생산을 나타내고, t는 년을 나타내며, α,β는 회귀 계수를 나타낸다.Here, GRDP r,t represents the regional gross domestic product of year t in region r, GDP t represents the gross domestic product of year t, t represents the year, and α,β represents the regression coefficient.
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.Table 5 is an example of predicting Seoul's GRDP in 2014 using
다음으로, 호당 전기요금은 수학식 2를 통하여 산출한 호당 전기요금을 뜻하며, 예측하고자 하는 년도의 1년 전의 실제값을 사용한다.Next, the electricity rate per call means the electricity rate per call calculated through Equation (2), and uses the actual value of one year before the year to be predicted.
현상일수는 도 3의 기상청 기상자료개방포털과 도 4의 기상청 국가기후데이터센터에서 수집한 데이터를 이용하여 년도와 현상일수의 단순선형회귀모형을 통해 생성한다. The number of days of development is generated through a simple linear regression model of the year and the number of days of development using the data collected from the Meteorological Agency's weather data opening portal in FIG. 3 and the National Climate Data Center in FIG. 4.
수학식 5는 본 발명의 실시예들을 위해 만든 지역별 선정된 현상일수와 년도를 이용하여 생성한 단순선형회귀분석 모델이다.Equation 5 is a simple linear regression analysis model generated using the selected number of days and years of development for each region made for the embodiments of the present invention.
여기서, di,r,t는 지역 r의 선택된 i의 t년도 현상일수를 나타내고, t는 년을 나타내며, α,β는 회귀 계수를 나타낸다.Here, d i,r,t represents the number of days in the year t of the selected i of the region r, t represents the year, and α,β represents the regression coefficient.
표 6은 서울의 선정된 현상일수인 서리일수를 예측한 값을 구한 사례이다. 2004-2013년 서울의 서리일수를 이용하여 서울의 2014년 현상일수를 산출한 사례이다.Table 6 is an example of obtaining the predicted value of the number of frost days, the selected number of days in Seoul. This is an example of calculating the number of days in 2014 in Seoul using the number of frost days in Seoul from 2004 to 2013.
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.In step S123, the power demand prediction system may calculate power consumption per area by using a multiple regression analysis model derived based on the predicted value of the target number of days of development, the gross domestic product, and the average electricity rate per call per region. . In this process, the power value per call of the year to be predicted is predicted by substituting the element value of the year to be predicted.
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.Equation (6) is a multi-regression analysis model that calculates the amount of electricity per call by using the regional gross domestic product, the number of selected development days, and the electricity rate per call, through the embodiments of the present invention. A multi-regression analysis model is generated using 10-year data for each element, and prediction is made using GRDP t calculated in
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.Here, E r,t denotes power consumption per call in region r, t denotes year, GRDP r,t denotes estimated regional gross domestic product for year t in region r, and p r,t -1 denotes t in region r -1 electricity bill per call year, d i,r,t denotes the number of development days in year t of selected i in region r, i is an index indicating the type of development days selected, n denotes the number of selected development days, r is an index indicating the region, and α,β,γ are regression coefficients.
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.On the other hand, from the perspective of the implementation, it is possible to select all cases where the correlation coefficient is greater than or equal to a preset value (for example, 0.7), which can be divided into a single case and a plurality of cases selected through Equation (6).
첫째, 단일 선정된 경우는 다음과 같이 결정될 수 있다.First, a single selected case can be determined as follows.
둘째, 2개의 현상일수가 선정된 경우는 다음과 같이 결정될 수 있다.Second, when two development days are selected, it can be determined as follows.
셋째, 3개의 현상일수가 선정된 경우는 다음과 같이 결정될 수 있다.Third, if three development days are selected, it can be determined as follows.
이상의 방식을 통해 호당 전력 사용량을 산출할 수 있다.Through the above method, power consumption per call can be calculated.
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. The following is an example for predicting power consumption per house in Seoul, 2004-2013, generated using the multiple regression analysis model proposed by the embodiments of the present invention. The number of developing days selected to generate the multiple regression analysis model is the number of frost days, and the generated equation is as follows.
표 7은 지역별 모델을 생성하여 2014년 호당 전력 사용량을 예측한 사례이다.Table 7 is an example of forecasting electricity usage per house in 2014 by creating regional models.
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.12 is a flowchart illustrating in more detail the process (S130) of calculating the number of residential customers in the power demand forecasting method of FIG. 1 according to an embodiment of the present invention, and comparing the power consumption by the number of households by region to give weights By doing so, it is possible to improve the value of the residential customer lake.
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.In step S131, the power demand prediction system may calculate a weight proportional to the power consumption per sample household in consideration of the number of households constituting households for each region.
여기서, wj는 가구원수가 j인 가구의 가중치를 나타내고, uj는 가구원수 j의 표본가구당 전력 사용량을 나타내고, uavg는 평균 표본가구당 전력 사용량을 나타내며, j는 가구원수를 나타내는 색인이다.Here, w j represents the weight of the household with the number of households j, u j represents the power consumption per sample household of the household member j, u avg represents the average power usage per sample household, and j is an index representing the number of households.
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. Table 8 is a weighted example based on the 2011 Energy Census calculated using
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.In step S132, the power demand prediction system may calculate the number of residential customers for each region by applying the calculated weight. In this process, the total number of customers by region is predicted by using the number of customers and households in the past, the number of households by region is calculated using the ratio of households by number of households, and the calculated number of customers by region is calculated. By applying the weight, it is possible to calculate the number of residential customers for each region.
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.The customer lake is calculated using the past customer lake (c r,t ) and the number of households (h r,t ) to calculate the customer number of the year to be predicted. A customer lake is a customer who uses electricity. Prediction through simple linear regression analysis using the data of customers in the Electric Power Big Data Center and the number of households in the general survey furniture of the National Statistical Office.
수학식 8은 고객 호수와 가구 수를 이용하여 기존의 단순선형회귀분석 모델이다.
여기서, cr,t는 지역 r의 t년도 전체 고객호수를 나타내고, hr,t는 지역 r의 t년도 전체 가구 수를 나타내며, α,β는 회귀 계수를 나타낸다.Here, c r,t represents the total number of customers in year t in region r, h r,t represents the total number of households in year t in region r, and α,β represents the regression coefficient.
표 9는 2004-2013년의 도 2의 전력빅데이터센터 고객호수 데이터와 도 9의 장래가구추계 데이터를 이용하여 산출한 2014년 지역별 고객호수를 예측한 사례이다.Table 9 is an example of predicting the number of customers by region in 2014, calculated using the customer data for the Big Data Center in FIG. 2 from 2004-2013 and the future household estimation data in FIG. 9.
그런 다음, 가구원수별 가구의 비율을 이용해 가구원수별 고객호수를 산출한다. 표 10은 그림 9의 2014년 서울 장래추계데이터를 이용하여 2014년 가구원수별 가구의 비율을 산출한 결과이다.Then, the number of households by number of households is calculated using the ratio of households by number of households. Table 10 shows the results of calculating the ratio of households by household size in 2014 using the 2014 Seoul future estimate data in Figure 9.
수학식 9는 표 10의 가구원수별 가구 수 비율을 곱하여 지역별 가구원수별 고객 호수(cr,t,j)를 산출하는 식이다.Equation (9) is an expression that calculates the customer number (c r,t,j ) by the number of households by region by multiplying the ratio of the number of households by the number of households in Table 10.
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.Here, c r,t,j represents the customer number of year t in region r where the household number is j, c r,t represents the customer number of year t in region r, and P h,r,j is the number of household members j It shows the ratio of the number of households.
이제, 구분한 고객호수에 가중치를 적용하여 가중치가 적용된 고객호수를 계산한다.Now, the weighted customer number is calculated by applying a weight to the classified customer number.
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.Equation (10) is an equation for calculating the customer lake (c w,r,t ) to which the weight is applied. Through the equation (7), the weights calculated by the number of household members newly calculated in the embodiments of the present invention are calculated by the equation calculated in the equation (9).
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.Here, c w,r denotes a residential customer lake weighted by area r, c r,j denotes a residential customer lake number of households j in region r, j is an index indicating the number of household members, and m is the number of household members Is the number of indices, and r is the index representing the region.
표 11은 표 8의 가구원수별 가중치와 표 9의 지역별 고객호수 예측, 표 10의 가구원수별 비율을 수학식 10에 적용하여 2014년 가중치를 적용한 고객 호수 사례이다.Table 11 shows examples of customer lakes weighted in 2014 by applying weights by number of households in Table 8, forecasting customer number by region in Table 9, and ratios by household number in Table 10 in Equation (10).
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.13 is a flowchart illustrating in more detail a process (S140) of estimating residential power demand in the power demand forecasting method of FIG. 1 according to an embodiment of the present invention, and obtains regional power demand forecasting values and national power demand forecasting values.
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.In step S141, the electric power demand prediction system may calculate the electric power demand for each residential area by using the power usage per call calculated by region and the customer lake calculated by region. To this end, it is predicted using the values of the power consumption per house (E r,t ) per house and the number of residential customers (c w,r,t ) weighted by the number of households by region. The forecast of electricity demand in each region can be calculated by multiplying the electricity consumption per call in each region by the value of the number of residential customer lakes weighted by the number of households in each region.
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.Equation 11 is an equation for calculating a power demand prediction value (T r,t ) for each region. The power demand for each region can be predicted by multiplying the power consumption per call in the region r in
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.Here, T r,t denotes the power demand forecast value of region r, E r,t denotes the power demand per household in region r, c w,r denotes a customer lake weighted by region r, and r denotes region It is an index.
표 12는 수학식 11를 이용하여 2014년 지역별 전력 수요량을 예측한 사례이다.Table 12 is an example of predicting power demand by region in 2014 using Equation (11).
S142 단계에서, 상기 전력 수요 예측 시스템은, 지역별로 산출된 상기 주택용 전력 수요량을 합산하여 전국의 전력 수요를 예측할 수 있다.In step S142, the power demand prediction system may predict the power demand of the whole country by summing the amount of power demand for housing calculated for each region.
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.
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.Here, T t denotes the national power demand forecast, T r,t denotes the power demand forecast of the region r, t denotes the year, r denotes the region, and k denotes the number of regions.
표 13은 표 12의 결과를 수학식 12를 이용하여 2014년 전국의 주택용 전력수요량을 예측한 사례와 실제 2014년 전국 주택용 전력수요량을 비교한 표이다.Table 13 is a table comparing the power consumption demand for residential use in 2014 with the case of predicting the power consumption for residential use in 2014 in the
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.FIG. 14 is a block diagram showing an
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.The
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.The
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.The
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.The
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.In addition, the
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.Furthermore, the
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.According to the embodiments of the present invention described above, in consideration of the climate feature of each region extracted from the past power usage data and the number of days of development, the household customer is calculated in consideration of the number of households constituting households in each region by calculating the electricity consumption per household in the region. By calculating the lake and using it to predict the power demand for housing, the predicted power demand can be more accurately derived, and as a result, errors in power generation or supply can be prevented in advance.
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.On the other hand, embodiments of the present invention can be implemented in computer-readable code on a computer-readable recording medium. The computer-readable recording medium includes all kinds of recording devices in which data readable by a computer system are stored.
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.Examples of computer-readable recording media include ROM, RAM, CD-ROM, magnetic tape, floppy disks, optical data storage devices, and the like. In addition, the computer-readable recording medium can be distributed over network coupled computer systems so that the computer readable code is stored and executed in a distributed fashion. In addition, functional programs, codes, and code segments for implementing the present invention can be easily inferred by programmers in the technical field to which the present invention pertains.
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.In the above, the present invention has been mainly focused on the various embodiments. Those skilled in the art to which the present invention pertains will appreciate that the present invention may be implemented in a modified form without departing from the essential characteristics of the present invention. Therefore, the disclosed embodiments should be considered in terms of explanation, not limitation. The scope of the present invention is shown in the claims rather than the foregoing description, and all differences within the equivalent range should be interpreted as being included in the present invention.
100: 전력 수요 예측 장치/시스템
10: 입력부
20: 처리부
30: 메모리100: power demand prediction device / system
10: input
20: processing unit
30: memory
Claims (17)
(b) 상기 전력 수요 예측 시스템이 전처리된 상기 과거의 전력 사용 데이터 및 현상일수 데이터로부터 추출된 지역별 기후 특징을 고려하여 호당 전력 사용량과의 상관관계가 미리 설정된 기준 이상인 현상일수에 관한 기상현상의 유형만을 지역별로 선정함으로써 선정된 유형의 현상일수에 기초하여 지역별로 해당 지역의 호당 전력 사용량을 산출하는 단계;
(c) 상기 전력 수요 예측 시스템이 지역별 가구를 구성하는 가구원수를 고려하여 주택용 고객 호수를 산출하는 단계; 및
(d) 상기 전력 수요 예측 시스템이 상기 호당 전력 사용량과 상기 고객 호수를 이용하여 주택용 전력 수요를 예측하는 단계를 포함하는 전력 수요 예측 방법.(a) the power demand prediction system collecting and pre-processing power usage data and days of development data representing days of meteorological phenomena for each type of weather phenomenon;
(b) Only the type of meteorological phenomena related to the number of days of development where the correlation with power usage per call is greater than or equal to a preset criterion in consideration of climate characteristics of each region extracted from the past power usage data and the number of days of development of the power demand prediction system preprocessed Calculating power consumption per call in each region based on the number of days of the selected type by selecting each region;
(c) the electric power demand forecasting system calculating a customer number of houses for a house in consideration of the number of households constituting households for each region; And
(d) the power demand forecasting system comprising the step of predicting power demand for a house using the power usage per call and the customer lake.
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.According to claim 1,
Step (a) is,
(a1) Customer data for residential use by region, lake data for each region, electricity usage data for each region, electricity rate data for each region, number of days by region, gross national product, regional total production, number of households according to the number of households by region, and power usage data per sample household by household number A method of predicting power demand that includes collecting.
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.According to claim 1,
Step (a) is,
(a2) The electric power demand forecasting method further comprising the step of pre-processing the total electric power usage for each region and the total electric power for each residential region included in the past power usage data, and converting the electric power usage per house for each region to electric power per house for each region. .
상기 (b) 단계는,
(b1) 전처리된 상기 과거의 전력 사용 데이터 및 현상일수 데이터 간의 상관관계로부터 호당 전력 사용량을 예측하기 위한 대상 현상일수를 지역별로 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.According to claim 1,
Step (b) is,
(b1) selecting a target number of developing days for each region to predict power usage per call from a correlation between the pre-processed past power usage data and developing days data;
(b2) predicting gross domestic product from the gross domestic product and economic growth rate, and calculating a predicted value for the selected number of target phenomenon days; And
(b3) A power demand forecasting method comprising calculating power consumption per area by using a multiple regression analysis model derived based on the predicted value of the target number of days of development, the gross domestic product, and the average electricity rate per call per area.
상기 (b1) 단계는,
상기 과거의 전력 사용 데이터 및 현상일수 데이터 간의 상관관계를 지역별로 분석하고, 상기 상관관계 분석 결과가 미리 설정된 값 이상이 나타나는 것을 상기 대상 현상일수로 선정하며,
상기 (b3) 단계는,
상기 대상 현상일수로 선정된 하나 이상의 유형의 현상일수에 대해 지역별로 각각 대상 현상일수의 예측값을 이용하여 지역별 호당 전력 사용량을 산출하는 것을 특징으로 하는 전력 수요 예측 방법.The method of claim 4,
Step (b1) is,
The correlation between the past power usage data and the number of days of development data is analyzed by region, and the target number of days of development is selected as the correlation analysis result showing more than a preset value.
Step (b3) is,
A power demand forecasting method for calculating power consumption per region by using a predicted value of target development days for each region for one or more types of development days selected as the target development days.
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.According to claim 1,
Step (c) is,
(c1) calculating weights proportional to power consumption per sample household in consideration of the number of households constituting households by region; And
(c2) A method of predicting power demand, comprising calculating the number of residential customer lakes for each region by applying the calculated weights.
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.The method of claim 6,
Step (c2) is,
Predict the total number of customers by region using the past number of customers and the number of households, calculate the number of customers by region of households using the ratio of households by number of households, and apply the weight to the calculated number of customers by region of households Power consumption forecasting method, characterized in that for calculating the number of residential customers for each region.
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.According to claim 1,
Step (d) is,
(d1) calculating the power demand for housing for each region by using the power usage per call calculated for each region and the customer lake calculated for each region; And
(d2) Electric power demand forecasting method comprising the step of estimating the nationwide power demand by summing the amount of demand for residential power calculated for each region.
수집된 데이터를 전처리하고, 전처리된 상기 과거의 전력 사용 데이터 및 현상일수 데이터로부터 추출된 지역별 기후 특징을 고려하여 호당 전력 사용량과의 상관관계가 미리 설정된 기준 이상인 현상일수에 관한 기상현상의 유형만을 지역별로 선정함으로써 선정된 유형의 현상일수에 기초하여 지역별로 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.An input unit for collecting past power usage data and days of development data representing days of meteorological phenomena for each type of meteorological phenomenon; And
Pre-processing the collected data, and considering the climate characteristics of each region extracted from the pre-processed past power usage data and the number of development days data, only the type of meteorological phenomenon related to the number of days of occurrence of the phenomenon that the correlation with power usage per call exceeds a preset criterion by region Based on the number of days of development of the selected type, power consumption per call in each region is calculated based on the selected number of days of development, and the number of household customers is calculated in consideration of the number of households constituting the households in each region. Power demand forecasting device including a processing unit for predicting the power demand for the home using.
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.The method of claim 10,
The input unit,
Collecting electricity usage data per sample household by household number by household number, and household number by household number by region, household electricity consumption data by region, electricity rate data by region, number of days by region, national total production, regional total production by region, number of households by region Power demand prediction device characterized by.
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 장치The method of claim 10,
The processing unit,
Electric power demand forecasting device, characterized in that the total power consumption for each residential area included in the past power usage data and the total electrical charge for each residential area are pre-processed to be converted into electricity consumption per house for each region and electricity per house for each region.
상기 처리부는,
전처리된 상기 과거의 전력 사용 데이터 및 현상일수 데이터 간의 상관관계로부터 호당 전력 사용량을 예측하기 위한 대상 현상일수를 지역별로 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.The method of claim 10,
The processing unit,
From the correlation between the pre-processed past power usage data and the number of days of development, the target number of days of development for predicting power usage per call is selected by region, and the gross domestic product is estimated from the gross domestic product and economic growth rate. Power demand, characterized by calculating the power consumption per area by using the multiple regression analysis model derived based on the predicted value of the target number of development days, the total gross domestic product, and the average electricity price per area by region. Prediction device.
상기 처리부는,
상기 과거의 전력 사용 데이터 및 현상일수 데이터 간의 상관관계를 지역별로 분석하고, 상기 상관관계 분석 결과가 미리 설정된 값 이상이 나타나는 것을 상기 대상 현상일수로 선정하며, 상기 대상 현상일수로 선정된 하나 이상의 유형의 현상일수에 대해 지역별로 각각 대상 현상일수의 예측값을 이용하여 지역별 호당 전력 사용량을 산출하는 것을 특징으로 하는 전력 수요 예측 장치.The method of claim 13,
The processing unit,
The correlation between the past power usage data and the number of days of development data is analyzed by region, and the correlation analysis result is selected as the target number of development days, and one or more types selected as the target development days Power demand forecasting device, characterized in that for calculating the power consumption per area by using the predicted value of the target development days for each region for each development day.
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.The method of claim 10,
The processing unit,
Power demand forecasting device, characterized by calculating the weight proportional to the power consumption per sample household considering the number of households that make up the households in each region, and calculating the number of residential customers for each region by applying the calculated weights.
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.The method of claim 15,
The processing unit,
Predict the total number of customers by region using the past number of customers and the number of households, calculate the number of customers by region of households using the ratio of households by number of households, and apply the weight to the calculated number of customers by region of households Power demand forecasting device, characterized in that for calculating the number of residential customers for each region.
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.The method of claim 10,
The processing unit,
Electricity characterized by predicting power demand across the country by calculating demand for residential power for each region by using the power usage per call calculated for each region and the customer lake calculated for each region, and summing the demand for residential power for each region. Demand forecasting device.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180024285A KR102119125B1 (en) | 2018-02-28 | 2018-02-28 | Apparatus and method for predicting electric power demand based on regional characteristics |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180024285A KR102119125B1 (en) | 2018-02-28 | 2018-02-28 | Apparatus and method for predicting electric power demand based on regional characteristics |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190109773A KR20190109773A (en) | 2019-09-27 |
| KR102119125B1 true KR102119125B1 (en) | 2020-06-05 |
Family
ID=68096928
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180024285A KR102119125B1 (en) | 2018-02-28 | 2018-02-28 | Apparatus and method for predicting electric power demand based on regional characteristics |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102119125B1 (en) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110728408A (en) * | 2019-10-16 | 2020-01-24 | 国家电网有限公司 | Resident electricity consumption prediction method considering user source load characteristics |
| CN111861016B (en) * | 2020-07-24 | 2024-03-29 | 北京合众伟奇科技股份有限公司 | Summarized analysis management method and system for predicted sales amount of power grid |
| CN112634077A (en) * | 2020-12-18 | 2021-04-09 | 四川大汇大数据服务有限公司 | Medium-and-long-term power supply and demand situation analysis method |
| CN117353300B (en) * | 2023-12-04 | 2024-02-23 | 拓锐科技有限公司 | Rural power consumption demand analysis method based on big data |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101762543B1 (en) * | 2016-06-20 | 2017-07-28 | 이화여자대학교 산학협력단 | System and method to estimate energy consumption by end use in buildings |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101846026B1 (en) | 2011-10-25 | 2018-04-06 | 한국전력공사 | Method and system for managing electric power demand based on prior prediction of electric power demand |
-
2018
- 2018-02-28 KR KR1020180024285A patent/KR102119125B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101762543B1 (en) * | 2016-06-20 | 2017-07-28 | 이화여자대학교 산학협력단 | System and method to estimate energy consumption by end use in buildings |
Non-Patent Citations (1)
| Title |
|---|
| 김완수 외 1인. 전력수급기본계획 수립위한 장기 전력수요 예측 절차. 전기학회논문지, 59(9), pp1587~1586(2010.09) 1부.* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20190109773A (en) | 2019-09-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102119125B1 (en) | Apparatus and method for predicting electric power demand based on regional characteristics | |
| Olsson et al. | Modeling real-time balancing power market prices using combined SARIMA and Markov processes | |
| US7920997B2 (en) | Electric power distribution interruption risk assessment calculator | |
| JP6742813B2 (en) | Demand forecasting system and demand forecasting method | |
| Phuangpornpitak et al. | A study of load demand forecasting models in electric power system operation and planning | |
| Kouzelis et al. | Estimation of residential heat pump consumption for flexibility market applications | |
| JP6599763B2 (en) | Electric power demand prediction apparatus and electric power demand prediction program | |
| Tang et al. | Value of medium-range precipitation forecasts in inflow prediction and hydropower optimization | |
| Coughlin | Analysis of wind power and load data at multiple time scales | |
| JP6094369B2 (en) | Power demand forecasting device, power demand forecasting method, and power demand forecasting program | |
| CN110516882B (en) | Method for predicting future available aggregate response capacity of load agent | |
| Gragne et al. | Improving real-time inflow forecasting into hydropower reservoirs through a complementary modelling framework | |
| Sarraf et al. | Relative humidity and mean monthly temperature forecasts in Ahwaz Station with ARIMA model in time series analysis | |
| KR101201705B1 (en) | Forecasting method of demand for electric power | |
| KR101343097B1 (en) | Fuzzy TOPSIS Approach method to Flood Vulnerability Assessment | |
| KR20160074325A (en) | Electricity Demand Index (EDI) Forecasting System with respect to Weather Condition Change | |
| Golmohamadi et al. | Application of robust optimization approach to determine optimal retail electricity price in presence of intermittent and conventional distributed generation considering demand response | |
| JP3927040B2 (en) | Distribution system load estimation device | |
| KR102011314B1 (en) | Method And System For Peak Power Demand Expectation On Household | |
| JP7240767B1 (en) | Wind condition prediction system and wind condition prediction method | |
| Wilson et al. | Use of meteorological data for improved estimation of risk in capacity adequacy studies | |
| KR20200057942A (en) | System and method for estimating net load fluctuation reflecting renewable energy supply expansion | |
| KR20180020436A (en) | Decision method and system for investment time of solar cell power plant by climate chang scennario | |
| Morales et al. | Renewable energy sources—Modeling and forecasting | |
| CN114254965A (en) | Country happy power monitoring method and device, electronic equipment and storage medium |
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) |