KR20180023082A - 시간별 기온을 이용한 24시간 전력수요예측장치 및 전력수요예측방법 - Google Patents

시간별 기온을 이용한 24시간 전력수요예측장치 및 전력수요예측방법 Download PDF

Info

Publication number
KR20180023082A
KR20180023082A KR1020160106778A KR20160106778A KR20180023082A KR 20180023082 A KR20180023082 A KR 20180023082A KR 1020160106778 A KR1020160106778 A KR 1020160106778A KR 20160106778 A KR20160106778 A KR 20160106778A KR 20180023082 A KR20180023082 A KR 20180023082A
Authority
KR
South Korea
Prior art keywords
temperature
power demand
target
max
day
Prior art date
Application number
KR1020160106778A
Other languages
English (en)
Other versions
KR101838393B1 (ko
Inventor
박정도
강동호
Original Assignee
위덕대학교 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 위덕대학교 산학협력단 filed Critical 위덕대학교 산학협력단
Priority to KR1020160106778A priority Critical patent/KR101838393B1/ko
Publication of KR20180023082A publication Critical patent/KR20180023082A/ko
Application granted granted Critical
Publication of KR101838393B1 publication Critical patent/KR101838393B1/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—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W2001/006—Main server receiving weather information from several sub-stations
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Biology (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Algebra (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

본 출원은 시간별 기온을 이용한 24시간 전력수요예측장치 및 전력수요예측방법에 관한 것으로서, 본 발명의 일 실시예에 의한 전력수요예측방법은, 전력수요예측장치가 목표일의 기온예보에 대응하는 예상기온데이터를 수신하는 예상기온수신단계; 전력수요예측장치가 상기 예상기온데이터를 기 설정된 기온이력데이터베이스와 비교하여, 상기 예상기온데이터의 기온변화 패턴에 대응하는 유사일을 추출하는 유사일 추출단계; 및 전력수요예측장치가 상기 유사일에 측정한 측정전력수요패턴을 기 설정된 전력수요데이터베이스로부터 추출하고, 상기 측정전력수요패턴을 이용하여 상기 목표일의 예측전력수요패턴을 생성하는 예측전력수요패턴 생성단계를 포함할 수 있다.

Description

시간별 기온을 이용한 24시간 전력수요예측장치 및 전력수요예측방법 {Apparatus and method for 24 hour electrical load forecasting}
본 출원은 익일의 24시간에 대한 전력수요예측장치 및 전력수요예측방법에 관한 것으로서, 익일에 대해 예측된 시간별 기온 예보를 이용하여 유사한 기온 변화 패턴을 가진 과거의 전력수요를 검색하고 그것을 입력데이터로 사용하여 전력수요를 예측할 수 있는 전력수요예측장치 및 전력수요예측방법에 관한 것이다.
전력수요예측은 안정적이고 원활한 전력계통 운영과 전력수급 계획 수립을 위한 중요한 요소이다. 전력수요예측 결과는 전력가격을 결정하거나, 전력계통 운영을 위해 사용되므로, 전력수요예측의 오차는 안정적인 전력계통 운영을 방해하고 막대한 경제적 손실을 야기하는 원인이 될 수 있다. 따라서, 전력수요예측의 오차를 줄이기 위하여, 시계열 분석법, 회귀 분석법, 인공신경망, 지식기반 전문가 시스템 등 다양한 전력수요예측기법들이 제시되어왔다.
그러나, 종래의 전력수요예측기법들은 단순히 일자별 최고 기온과 최저기온만을 사용하여 예측하는 것이 대부분으로, 기온에 민감하게 반응하는 전력수요의 특성을 충분히 반영하기 힘들다. 예를들어, 예외적인 기온 변화 패턴이 발생하는 경우에는 전력수요패턴이 기온 변화에 따라 달라질 수 있으나, 종래의 예측기법만으로는 이러한 기온 변화를 고려하여 전력수요를 정확하게 예측하기 어려웠다. 따라서, 종래에는 예외적인 기온 변화가 발생한 일자에 전력수요예측 오차가 크게 발생하는 등의 문제점이 있었다.
본 출원은, 시간별 기온 변화 패턴을 이용하여 전력수요를 예측할 수 있는 전력수요예측장치 및 전력수요예측방법을 제공하고자 한다.
본 발명의 일 실시예에 의한 전력수요예측방법은, 전력수요예측장치가 목표일의 기온예보에 대응하는 예상기온데이터를 수신하는 예상기온수신단계; 전력수요예측장치가 상기 예상기온데이터를 기 설정된 기온이력데이터베이스와 비교하여, 상기 예상기온데이터의 기온변화 패턴에 대응하는 유사일을 추출하는 유사일 추출단계; 및 전력수요예측장치가 상기 유사일에 측정한 측정전력수요패턴을 기 설정된 전력수요데이터베이스로부터 추출하고, 상기 측정전력수요패턴을 이용하여 상기 목표일의 예측전력수요패턴을 생성하는 예측전력수요패턴 생성단계를 포함할 수 있다.
여기서 상기 유사일 추출단계는, 기 설정된 유사일 추출모델을 이용하여, 상기 기온이력데이터베이스에 저장된 각각의 측정일별 기온데이터와 상기 예상기온데이터 사이의 유사도를 계산하고, 상기 유사도가 높은 순서에 따라 기 설정된 개수의 측정일을 상기 유사일로 추출할 수 있다.
여기서 상기 유사일 추출모델은
Figure pat00001
Figure pat00002
Figure pat00003
Figure pat00004
Figure pat00005
Figure pat00006
Figure pat00007
중 어느 하나일 수 있으며, 상기 유사일 추출모델을 이용하여 유클리드 거리를 계산함으로써 유사도를 측정할 수 있다. 여기서, ΔTmax = Tf max - Tp max, ΔTmin = Tf min - Tp min이고, Tf max는 목표일의 최고기온, Tp max는 측정일의 최고기온, Tf min는 목표일의 최저기온, Tp min는 측정일의 최저기온일 수 있다. 또한, TC = 1 - R이고, R은 목표일과 측정일의 기온 사이의 상관계수일 수 있으며, Δslopem = |slopef m - slopep m|, Δslopea = |slopef a - slopep a|이고, slopef m는 목표일의 오전 기온기울기, slopep m 는 측정일의 오전 기온기울기, slopef a는 목표일의 오후 기온기울기, slopep a 는 측정일의 오후 기온기울기일 수 있다. 또한, ΔHmax = Hf max - Hp max, ΔHmin = Hf min - Hp min이고, Hf max는 목표일의 최고기온 발생시간, Hp max는 측정일의 최고기온 발생시간, Hf min는 목표일의 최저기온 발생시간, Hp min는 측정일의 최저기온 발생시간일 수 있으며, Tf h는 목표일의 h시 기온, Tp h는 측정일의 h시 기온이고, 0 ≤ h ≤ 24, h는 정수를 만족하는 것일 수 있다. 한편, ω11, ω12, ω13, ω14, ω15, ω21, ω22, ω23, ω24, ω25, ω26, ω27, ω31, ω32, ω33, ω34, ω35는 가중치로, 상기 가중치는 각각 회귀식을 적용하여 최소자승법으로 산출하는 것일 수 있다.
여기서 상기 예측전력수요패턴 생성단계는, 상기 추출한 복수개의 측정전력수요패턴에 지수평활법을 적용하여 지수평활수요패턴을 생성하는 지수평활과정; 상기 지수평활수요패턴을 정규화하여 정규수요패턴을 생성하는 정규화과정; 및 상기 목표일에 대한 최대전력수요예측값과 최소전력수요예측값을 수신하고, 상기 정규수요패턴에 상기 최대전력수요예측값과 최소전력수요예측값을 적용하여, 상기 예측전력수요패턴을 생성하는 패턴생성과정을 포함할 수 있다.
여기서 상기 지수평활과정은
Figure pat00008
Figure pat00009
를 이용하여 상기 지수평활수요패턴을 생성하는 것으로서, SDLp h는 목표일의 h시간에서의 지수평활수요값이고, SDLn h은 유사도가 n번째로 높은 유사일의 h시간에서의 전력수요값, α는 지수평활 가중치일 수 있다.
여기서 상기 정규화과정은
Figure pat00010
를 이용하여 상기 정규수요패턴을 생성하는 것으로서, PU_SDLp h는 목표일의 h시간에서의 정규화된 정규수요값이고, SDLp h는 목표일의 h시간에서의 지수평활수요값, SDLp max는 목표일에서의 지수평활수요값의 최대값, SDLp min은 목표일에서의 지수평활수요값의 최소값일 수 있다.
여기서 상기 패턴생성과정은
Figure pat00011
를 이용하여 상기 예측전력수요패턴을 생성하는 것으로,
Figure pat00012
는 목표일의 h시간에서의 예측전력수요값이고, PU_SDLp h는 상기 목표일의 h시간에서의 정규화된 정규수요값,
Figure pat00013
는 상기 최대전력수요예측값,
Figure pat00014
는 상기 최소전력수요예측값일 수 있다.
본 발명의 일 실시예에 의한 전력수요예측장치는, 목표일의 기온예보에 대응하는 예상기온데이터를 수신하는 데이터수신부; 상기 예상기온데이터를 기 설정된 기온이력데이터 베이스와 비교하여, 상기 예상기온데이터의 기온변화 패턴에 대응하는 유사일을 추출하는 유사일 검색부; 및 상기 유사일에 측정한 측정전력수요패턴을 기 설정된 전력수요데이터베이스로부터 추출하고, 상기 측정전력수요패턴을 이용하여 상기 목표일의 예측전력수요패턴을 생성하는 수요패턴생성부를 포함할 수 있다.
덧붙여 상기한 과제의 해결수단은, 본 발명의 특징을 모두 열거한 것이 아니다. 본 발명의 다양한 특징과 그에 따른 장점과 효과는 아래의 구체적인 실시형태를 참조하여 보다 상세하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 의한 전력수요예측장치 및 전력수요예측방법에 의하면, 기온 변화를 고려하여 정확하게 전력수요를 예측할 수 있다. 따라서, 예외적인 기온 변화가 발생하는 날에도 정확한 전력수요예측을 수행하는 것이 가능하다.
도1은 본 발명의 일 실시예에 의한 전력수요예측장치를 나타내는 블록도이다.
도2는 본 발명의 일 실시예에 의한 일반적인 기상일의 기온 변화 패턴을 나타내는 그래프이다.
도3은 본 발명의 일 실시예에 의한 예외적인 기상일의 기온 변화 패턴을 나타내는 그래프이다.
도4는 본 발명의 일 실시예에 의한 전력수요패턴을 나타내는 그래프이다.
도5는 본 발명의 일 실시예에 의한 예측전력수요패턴을 나타내는 그래프이다.
도6 내지 도8은 본 발명의 일 실시예에 의한 전력수요예측방법을 나타내는 순서도이다.
이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.
덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 '연결'되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 '간접적으로 연결'되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다. 또한, 명세서에 기재된 "부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
일반적으로, 24시간 기온 변화 패턴은, 도2에 도시한 바와 같이, 새벽시간에 최저기온에 도달한 후 일출과 함께 점차 상승하고, 15시~16시를 전후로 최고기온에 도달한 후 다시 하강하게 된다. 즉, 일반적인 기상일에서는, 계절과 무관하게 새벽 시간에 최저 기온이 발생하고, 오후 시간에 최고 기온이 발생하는 기온 변화 패턴을 가진다.
다만, 경우에 따라서는 최고기온이 일출 이전 또는 일몰 이후에 발생하는 경우도 존재한다. 예를들어, 도3(a)의 2014년 12월 16일 서울의 시간대별 기온변화와 같이, 최고기온이 새벽시간대에 발생한 경우에는 기온 변화 패턴이 지속적으로 하강하는 형태를 가질 수 있다. 또한, 도3(b)의 2014년 12월 14일 서울의 시간대별 기온변화와 같이, 최고기온이 일몰 이후에 발생한 경우에는 기온 패턴은 지속적으로 상승하는 형태를 가지는 등의 경우도 발생할 수 있다.
한편, 도4는 하강기온 패턴이 발생한 2014년 12월 16일과 그 주변 일자의 24시간 전력수요와 기온을 나타낸다. 2014년 12월 16일의 경우, 전국에 한파 특보가 발생하여 대체적으로 흐리거나 지역에 따른 소낙눈이 발생하였다. 반면에, 2014년 12월 14일은 남쪽 저기압이 발생하여 다른 일자에 비해 포근한 날씨가 지속되었다. 두 측정일은 모두 시기상 겨울에 속하지만, 일반적이지 않은 기후가 발생하여 기온의 지속적인 하강과 상승이 발생한 경우에 해당하며, 이러한 기온 변화는 시간별 전력수요 패턴에 많은 영향을 준다.
구체적으로, 도4를 살펴보면, 하강 기온 패턴이 발생한 2014년 12월 16일은 최대 전력수요가 18시에 발생하였다. 하지만 이 날을 제외한 2014년 12월 15일, 2014년 12월 17일 내지 2014년 12월 19일의 최대 전력수요는 10시와 11시에 발생하였다. 즉, 2014년 12월 16일의 전력수요패턴은 기온의 지속적인 하강으로 인하여 오후 전력수요가 증가된 것이다. 또한, 2014년 12월 16일 이후에는 다시 일반적인 기온 패턴이 발생하여 전력수요 패턴이 오전에 최대전력수요가 발생하는 형태로 되돌아가는 것을 확인할 수 있다. 따라서, 만약 2014년 12월 16일의 전력수요를 기존과 동일한 방식으로 예측한다면, 예외적인 기온 패턴에 의한 전력수요를 정확하게 예측할 수 없으므로, 예측 오차가 크게 증가하는 등의 문제가 발생할 수 있다. 이러한 예외적인 기온 변화가 발생하는 경우에 대비하기 위하여, 시간별 기온변화 패턴을 고려한 전력수요예측방법이 요구되고 있다.
도1은 본 발명의 일 실시예에 의한 전력수요예측장치를 나타내는 블록도이다.
도1을 참조하면 본 발명의 일 실시예에 의한 전력수요예측장치(100)는, 데이터수신부(110), 유사일 검색부(120) 및 수요패턴생성부(130)를 포함할 수 있다.
이하, 도1을 참조하여 본 발명의 일 실시예에 의한 전력수요예측장치를 설명한다.
데이터수신부(110)는 전력수요를 예측하고자 하는 목표일의 기온예보에 대응하는 예상기온데이터를 수신할 수 있다. 여기서, 예상기온데이터는 기상청으로부터 수신하는 목표일의 24시간 기온예보일 수 있으며, 실시예에 따라서는 기상청으로부터 수신한 3시간 단위 기온예보를 보간법 등을 활용하여 24시간 기온예보로 가공한 것일 수 있다. 데이터수신부(110)는 기상청과 유선 또는 무선 데이터 통신을 통하여 연결될 수 있으며, 기상청이 제공하는 Open API 등을 활용하여 상기 예상기온데이터를 수신할 수 있다.
유사일 검색부(120)는 예상기온데이터를 기 설정된 기온이력데이터 베이스(200)와 비교할 수 있다. 여기서, 기온이력데이터베이스(200)에는 과거에 측정한 측정일의 24시간 기온변화를 측정한 결과가 저장될 수 있다. 예를들어, 도2 내지 도4에 도시한 과거 서울지역의 24시간 기온 그래프 등이 상기 기온이력데이터베이스(200)에 포함될 수 있다. 따라서, 유사일 검색부(120)는 기온이력데이터베이스(200)와의 비교를 통하여, 예상기온데이터의 기온변화 패턴과 유사한 기온변화패턴을 가지는 측정일을 추출할 수 있으며, 상기 추출한 측정일을 목표일에 대한 유사일로 설정할 수 있다.
구체적으로, 유사일 검색부(20)는 기 설정된 유사일 추출모델을 이용하여 유사한 기온변화패턴을 가지는 유사일을 추출할 수 있다. 즉, 기온이력데이터베이스(200)에 저장된 각각의 측정일별 기온데이터와 상기 예상기온데이터 사이의 유사도를 계산하고, 유사도가 높은 순서에 따라 기 설정된 개수의 측정일을 유사일로 추출할 수 있다. 이때, 기온변화패턴들의 유사도를 계산하기 위하여, 아래 표의 8가지 기온 요소를 활용할 수 있다.
기온요소 내용
Figure pat00015
 목표일과 측정일의 최고기온 차이
Figure pat00016
 목표일과 측정일의 최저기온 차이
Figure pat00017
 1에서 목표일과 측정일의 기온 사이의 상관계수(R)를 뺀 값
Figure pat00018
 목표일의 오전 기온기울기와 측정일의 오전 기온기울기 차이
Figure pat00019
 목표일의 오후 기온기울기와 측정일의 오후 기온기울기 차이
Figure pat00020
 목표일과 측정일의 시간대별 기온 편차
Figure pat00021
 목표일과 측정일의 최고기온 발생시간 차이
Figure pat00022
 목표일과 측정일의 최저기온 발생시간 차이
여기서, Tf max는 목표일의 최고기온, Tp max는 측정일의 최고기온, Tf min는 목표일의 최저기온, Tp min는 측정일의 최저기온, R은 목표일과 측정일의 기온 사이의 상관계수이다. 한편, 아랫첨자 m은 오전시간(1~12시), a는 오후시간(13~24시)를 의미하는 것으로, slopef m는 목표일의 오전 기온기울기, slopep m 는 측정일의 오전 기온기울기, slopef a는 목표일의 오후 기온기울기, slopep a 는 측정일의 오후 기온기울기에 해당한다. Tf h는 목표일의 h시 기온, Tp h는 측정일의 h시 기온이고, h는 0 ≤ h ≤ 24를 만족하는 정수이며, Hf max는 목표일의 최고기온 발생시간, Hp max는 측정일의 최고기온 발생시간, Hf min는 목표일의 최저기온 발생시간, Hp min는 측정일의 최저기온 발생시간이다.
유사일 검색부(120)는 유사일 추출모델을 활용하여 유사도를 계산할 수 있으며, 실시예에 따라서는 유클리드 거리 모델을 유사일 추출모델로 활용할 수 있다. 이때, 유사일 추출모델은 상기 8개의 기온 요소를 이용하여 생성할 수 있으며, 사용하는 기온 요소에 따라 다양한 종류의 모델이 생성될 수 있다.
구체적으로, 유사일 검색부(120)는 아래 4가지 유사일 추출모델 중 어느 하나를 활용하여 유사일을 추출할 수 있다.
Figure pat00023
Figure pat00024
Figure pat00025
Figure pat00026
Figure pat00027
Figure pat00028
Figure pat00029
여기서, EDM1 내지 EDM3은 가중 유클리드 거리가 적용된 모델이며, EDM4는 일반 유클리드 모델이 적용된 모델이다. 즉, 각각의 수식에서 계산된 결과값이 유클리드 거리이며, 상기 유클리드 거리가 작을수록 유사도가 높은 것임을 의미한다. 여기서, ωij는 i번째 모델의 j번째 기온요소의 가중치이다.
한편, 전력수요는 기온의 변화에 민감하게 반응하므로, 유사일 검색은 동일한 계절을 기준으로 수행할 수 있다. 따라서, 목표일을 기준으로 최근 한달(30일)을 목표일과 동일한 계절 및 기후 조건으로 설정할 수 있다. 또한, 과거 1년 전 동일 일자를 기준으로 ±30일, 과거 2년 전 동일 일자를 기준으로 ±30일을 유사일 검색 구간으로 포함하여, 유사일 검색을 위한 모집단 크기를 확장할 수 있다. 예를들어, 2010년 1월 21일을 목표일로 설정한 경우, 2010년 01월 19일부터 2009년 12월 22일까지, 2009년 2월 20일부터 2008년 12월 22일까지, 2008년 2월 20일부터 2007년 12월 22일까지를 상기 유사일 검색 구간으로 설정할 수 있다.
추가적으로, 기온요소의 가중치 ωij는 과거 데이터를 사용하여 각각의 모델별 회귀식을 구축한 후, 최소자승법를 적용하여 산출할 수 있다. 여기서, 가중치 계산을 위한 회귀식 구축 및 최소자승법의 적용은 널리 알려진 내용에 해당하므로, 구체적인 적용방법에 대한 설명은 생략한다.
유사일 추출부(120)는 유사일 추출 모델 중 어느 하나를 적용하여, 기 설정된 유사일 검색 구간 내에 포함되는 측정일의 기온변화패턴과 상기 목표일의 예측기온데이터와의 유클리드 거리를 계산할 수 있다. 이후, 측정일 중에서, 목표일과의 유클리드 거리가 가장 가까운 순서에 따라, 기 설정된 개수의 추출일을 유사일로 추출할 수 있다. 실시예에 따라서는 유클리드 거리가 가장 짧은 3개의 측정일을 상기 유사일로 추출하는 것도 가능하다.
수요패턴생성부(130)는 전력수요데이터베이스(300)로부터 상기 유사일에 측정한 측정전력수요패턴을 추출할 수 있으며, 상기 측정전력수요패턴을 이용하여 목표일의 예측전력수요패턴을 생성할 수 있다. 여기서, 전력수요데이터베이스(300)에는 과거의 측정일에 측정한 시간별 전력수요패턴이 저장되어 있을 수 있으며, 상기 전력수요데이터베이스(300)는 한국전력거래소 등으로부터 제공받는 것일 수 있다.
먼저, 수요패턴생성부(130)는 추출한 복수개의 측정전력수요패턴에 지수평활법을 적용하여 지수평활수요패턴을 생성할 수 있다. 아래의 수식은 3개의 유사일을 추출한 경우의 지수평활수요패턴을 나타낸다.
Figure pat00030
여기서, SDLp h는 목표일의 h시간에서의 전력수요이고, SDLn h는 유사도가 n번째로 높은 일자의 h시간에서의 전력수요이며, α는 지수평활 가중치를 의미한다.
이후, 수요패턴생성부(130)는 지수평활수요패턴을 정규화하여 정규수요패턴을 생성할 수 있으며, 상기 정규수요패턴에 최대전력수요예측값과 최소전력수요예측값을 적용하여 예측전력수요패턴을 생성할 수 있다.
구체적으로, 수요패턴생성부(130)는
Figure pat00031
를 이용하여 정규수요패턴을 생성할 수 있으며, 여기서 PU_SDLp h는 목표일의 h시간에서의 정규화된 정규수요값, SDLp max는 목표일에서의 지수평활수요값의 최대값, SDLp min은 목표일에서의 지수평활수요값의 최소값이다.
이후, 수요패턴생성부(130)는
Figure pat00032
를 이용하여 최종적으로 예측전력수요패턴을 생성할 수 있다. 여기서,
Figure pat00033
는 목표일의 h시간에서의 예측전력수요값이고,
Figure pat00034
는 최대전력수요예측값,
Figure pat00035
는 최소전력수요예측값이다. 여기서, 최대전력수요예측값 및 최소전력수요예측값은 종래의 방식에 의하여 계산하는 것으로서, 상기 최대전력수요예측값 및 최소전력수요예측값은 전력수요예측장치가 직접 계산하여 구하거나, 또는 외부로부터 제공받을 수 있다.
도5는 본 발명의 일 실시예에 의한 전력수요예측장치를 이용하여 전력수요예측을 수행한 결과를 나타내는 그래프이다. 구체적으로, 도5(a)의 경우에는 기온이 점차 하강하는 하강 기온 패턴에서의 전력수요예측결과이고, 도5(b)는 기온이 점차 상승하는 상승 기온 패턴에서의 전력수요예측결과이다. 도5에 나타난 바와 같이, 본 발명의 예측기법을 활용한 경우에는 기존 방식에 비하여 예측 오차를 개선할 수 있음을 확인할 수 있다.
또한, 도5를 참조하면 각각의 기온 패턴마다, 최대오차가 가장 적게 발생하는 유사일 추출 모델과 평균오차가 가장 적게 발생하는 유사일 추출 모델이 상이함을 확인할 수 있다. 따라서, 실시예에 따라서는, 각각의 기온 패턴에 따라, 또는 개선하고자 하는 오차의 종류에 따라, 유사일 추출모델을 선택적으로 적용하여 예측 오차를 최소화하는 것도 가능하다.
도6 및 도7은 본 발명의 일 실시예에 의한 전력수요예측방법을 나타내는 순서도이다.
도6 및 도7를 참조하면, 본 발명의 일 실시예에 의한 전력수요예측방법은, 예상기온수신단계(S100), 유사일 추출단계(S200) 및 예측전력수요패턴 생성단계(S300)를 포함할 수 있으며, 예측전력수요패턴생성단계(S300)는 지수평화과정(S310), 정규화과정(S320) 및 패턴생성과정(S330)을 포함할 수 있다.
이하, 도6 및 도7을 참조하여 본 발명의 일 실시예에 의한 전력수요예측방법을 설명한다.
예상기온수신단계(S100)에서는 전력수요예측장치가 목표일의 기온예보에 대응하는 예상기온데이터를 수신할 수 있다. 여기서, 예상기온데이터는 기상청으로부터 수신하는 목표일의 24시간 기온예보일 수 있으며, 실시예에 따라서는 기상청으로부터 수신한 3시간 단위 기온예보를 보간법 등을 활용하여 24시간 기온예보로 가공한 것일 수 있다. 전력수요예측장치는 기상청과 유선 또는 무선 데이터 통신을 통하여 연결될 수 있으며, 기상청이 제공하는 Open API 등을 활용하여 상기 예상기온데이터를 수신할 수 있다.
유사일 추출단계(S200)에서는 전력수요예측장치가 상기 예상기온데이터를 기 설정된 기온이력데이터베이스와 비교할 수 있다. 여기서 기온이력데이터베이스는 과거에 측정한 측정일의 24시간 기온변화를 측정한 결과가 저장된 것일 수 있다. 따라서, 유사일 추출단계(S200)에서는 기온이력데이터베이스와의 비교를 통하여, 예상기온데이터의 기온변화 패턴에 대응하는 측정일을 유사일을 추출할 수 있다.
구체적으로, 유사일 추출단계(S200)에서는, 기 설정된 유사일 추출모델을 이용하여 유사한 기온변화패턴을 가지는 유사일을 추출할 수 있다. 즉, 기온이력데이터베이스에 저장된 각각의 측정일별 기온데이터와 상기 예상기온데이터 사이의 유사도를 계산하고, 유사도가 높은 순서에 따라 기 설정된 개수의 측정일을 유사일로 추출할 수 있다. 이때, 기온변화패턴들의 유사도를 계산하기 위하여 복수의 기온 요소들을 활용할 수 있다. 앞서 기온요소에 대하여 설명하였으므로 여기서는 자세한 설명을 생략한다.
실시예에 따라서는, 유사일 추출단계(S200)에서 유클리드 거리 모델을 활용하여 유사도를 계산하는 유사일 추출모델을 적용할 수 있으며, 사용하는 기온요소에 따라 다양한 유사일 추출모델이 적용될 수 있다. 구체적으로, 유사일 추출단계(S200)에서는 아래 4가지 유사일 추출모델을 활용하여 유사일을 추출할 수 있다.
Figure pat00036
Figure pat00037
Figure pat00038
Figure pat00039
Figure pat00040
Figure pat00041
Figure pat00042
여기서, EDM1 내지 EDM3은 가중 유클리드 거리가 적용된 모델이며, EDM4는 일반 유클리드 모델이 적용된 모델이다. 즉, 각각의 수식에서 계산된 결과값이 유클리드 거리이며, 상기 유클리드 거리가 작을수록 유사도가 높은 것임을 의미한다. 여기서, ωij는 i번째 모델의 j번째 기온요소의 가중치를 나타낸다.
유사일 검색은 동일한 계절을 기준으로 수행할 수 있으며, 목표일을 기준으로 최근 한달(30일)을 목표일과 동일한 계절 및 기후 조건으로 설정할 수 있다. 여기서, 과거 1년 전 동일 일자를 기준으로 ±30일, 과거 2년 전 동일 일자를 기준으로 ±30일을 유사일 검색 구간으로 포함하는 방식으로, 유사일 검색을 위한 모집단 크기를 확장할 수 있다. 기온요소의 가중치 ωij는 과거 데이터를 사용하여 각각의 모델별 회귀식을 구축한 후, 최소자승법을 적용하여 산출할 수 있다.
한편, 유사일 추출단계(S200)에서는 유사일 추출 모델 중 어느 하나를 적용하여, 기 설정된 유사일 검색 구간 내에 포함되는 측정일의 기온변화패턴과 목표일의 예측기온데이터와의 유클리드 거리를 계산할 수 있다. 이후, 측정일 중에서, 목표일과의 유클리드 거리가 가장 가까운 순서에 따라, 기 설정된 개수의 추출일을 유사일로 추출할 수 있다. 실시예에 따라서는 상기 계산한 유클리드 거리가 가장 가까운 3개의 측정일을 상기 유사일로 추출할 수 있다.
예측전력수요패턴 생성단계(S300)에서는, 유사일에 측정한 측정전력수요패턴을 기 설정된 전력수요데이터베이스로부터 추출하고, 상기 측정전력수요패턴을 이용하여 목표일의 예측전력수요패턴을 생성할 수 있다.
구체적으로, 도7에 도시한 바와 같이, 예측전력수요패턴 생성단계(S300)는, 지수평활과정(S310), 정규화과정(S320) 및 패턴생성과정(S330)을 포함할 수 있다.
지수평활과정(S310)에서는 상기 추출한 복수개의 측정전력수요패턴에 지수평활법을 적용하여 지수평활수요패턴을 생성할 수 있다. 이때,
Figure pat00043
Figure pat00044
를 이용하여 상기 지수평활수요패턴을 생성할 수 있다. 여기서, SDLp h는 목표일의 h시간에서의 지수평활수요값이고, SDLn h은 유사도가 n번째로 높은 유사일의 h시간에서의 전력수요값, α는 지수평활 가중치일 수 있다.
정규화과정(S320)에서는 상기 지수평활수요패턴을 정규화하여 정규수요패턴을 생성할 수 있다. 정규화과정에서는
Figure pat00045
를 이용하여 상기 정규수요패턴을 생성할 수 있다. 여기서, PU_SDLp h는 목표일의 h시간에서의 정규화된 정규수요값이고, SDLp h는 목표일의 h시간에서의 지수평활수요값, SDLp max는 목표일에서의 지수평활수요값의 최대값, SDLp min은 목표일에서의 지수평활수요값의 최소값일 수 있다.
또한, 패턴생성과정(S330)에서는 상기 목표일에 대한 최대전력수요예측값과 최소전력수요예측값을 수신한 후, 상기 정규수요패턴에 상기 최대전력수요예측값과 최소전력수요예측값을 적용하여, 최종적으로 예측전력수요패턴을 생성할 수 있다.
구체적으로, 예측전력수요패턴은
Figure pat00046
를 이용하여 생성할 수 있다. 여기서,
Figure pat00047
는 목표일의 h시간에서의 예측전력수요값이고, PU_SDLp h는 상기 목표일의 h시간에서의 정규화된 정규수요값,
Figure pat00048
는 상기 최대전력수요예측값,
Figure pat00049
는 상기 최소전력수요예측값일 수 있다. 최대전력수요예측값과 최소전력수요예측값은 종래의 방식에 의하여 계산하는 것으로서, 상기 최대전력수요예측값과 최소전력수요예측값은 전력수요예측장치가 직접 계산하여 구하거나, 외부로부터 제공받을 수 있다.
한편, 본 발명의 일 실시예에 의한 전력수요예측방법은, 도8의 순서도에 따라 수행될 수 있다.
도8을 참조하면, 사용자는 과거에 측정한 일자들의 24시간 기온변화에 따른 전력수요패턴들을 추출할 수 있다(S1). 즉, 도4에 도시된 각각의 일자별 기온변화패턴과 전력수요패턴들에 대한 정보들을 기 설정된 데이터베이스나 기상청, 전력거래소 등으로부터 추출할 수 있다.
이후, 사용자는 전력수요를 예측하고자 하는 목표일을 입력할 수 있으며, 해당 목표일에 대한 기온예보 등을 수집할 수 있다(S2). 여기서 기온예보는 목표일의 24시간 기온변화를 예측한 정보로서, 기상청으로부터 수신하는 등의 방식으로 수집할 수 있다.
사용자는, 목표일의 기온예보와 유사한 기온변화패턴을 가지는 유사일을 추출하기 위하여 유사일 추출 모델을 설정할 수 있다(S3). 구체적으로, 앞서 설명한 EDM1, EDM2, EDM3, EDM4 중 어느 하나를 상기 유사일 추출 모델로 설정할 수 있다. 다만, 실시예에 따라서는, 다양한 상황이나 조건 등에 따라 서로 다른 유사일 추출 모델이 선택되도록 미리 설정하는 것도 가능하다. 예를들어, 목표일의 기온예보에 상승패턴이 포함되는 경우에는 EDM3을 활용하고, 하강패턴이 포함되는 경우에는 EDM4를 활용하도록 설정하거나, 각각의 계절에 따라 또는 일정한 주기에 따라 미리 설정한 유사일 추출모델이 선택되도록 설정할 수 있다.
목표일이 결정된 이후에는, 목표일과 유사한 기온변화패턴을 가지는 일자를 추출하기 위하여, 과거일자의 검색범위를 설정할 수 있다(S4). 예를들어, 목표일을 기준으로 최근 한달(30일)을 목표일과 동일한 계절 및 기후 조건으로 보고, 이를 검색범위로 설정할 수 있다. 다만, 이 경우 검색범위가 좁아 목표일과 충분히 유사한 일자를 추출하기 어려울 수 있다. 따라서, 과거 1년 전 동일 일자를 기준으로 ±30일, 과거 2년 전 동일 일자를 기준으로 ±30일을 유사일 검색 구간에 포함시키는 등의 방식으로, 유사일 검색을 위한 모집단 크기를 확장할 수 있다.
유사일 추출모델 및 검색범위가 결정되면, 목표일의 기온예보와 검색범위에 포함된 과거일자들의 기온변화패턴의 유사도를 비교할 수 있다. 구체적으로, 유사일 추출모델을 이용하여 목표일과 과거일자의 기온변화패턴에 대한 유클리드 거리를 계산할 수 있다(S5). 여기서, 유클리드 거리가 가까울수록 유사도가 높음을 의미한다. 따라서, 유클리드 거리를 비교하여, 목표일의 기온변화와 각각의 과거일자의 기온변화에 대한 유사도를 측정하는 것이 가능하다.
이후, 유클리드 거리의 계산결과, 거리가 가까운 상위 3개 일자를 유사일로 추출할 수 있다(S6). 즉, 검색범위에 포함된 복수의 과거일자 중에서 목표일의 기온예보와 가장 유사한 기온변화패턴을 가지는 3개의 유사일을 추출할 수 있다. 여기서는 상위 3개의 유사일을 추출하는 것을 예시하고 있으나, 실시예에 따라 추출하는 유사일의 개수를 달리할 수 있음은 자명하다.
3개의 유사일이 추출되면, 추출한 유사일들의 24시간 기온변화에 따른 전력수요패턴을 이용하여, 목표일의 24시간 전력수요패턴을 계산할 수 있다(S7). 전력수요는 기온의 변화에 민감하므로, 목표일과 유사한 기온변화패턴을 가지는 유사일의 24시간 전력수요패턴은 실제 목표일의 24시간 전력수요패턴과 매우 유사하다. 따라서, 3개의 유사일의 24시간 전력수요패턴에 지수평활법을 적용하는 방식으로 목표일의 24시간 전력수요패턴을 계산하면, 높은 정확도를 가지는 24시간 전력수요패턴을 얻을 수 있다. 다만, 실시예에 따라서는 지수평활법 이외에 다양한 기법을 활용하는 것도 가능하다.
한편, 목표일에 대한 24시간 전력수요패턴이 계산된 이후에는, 이를 이용하여 목표일의 24시간 전력 수요를 예측할 수 있으며, 다양한 방면에서 예측 결과를 활용할 수 있다(S8).
본 발명은 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 본 발명에 따른 구성요소를 치환, 변형 및 변경할 수 있다는 것이 명백할 것이다.
100: 전력수요예측장치 110: 데이터수신부
120: 유사일 검색부 130: 수요패턴생성부
200: 기온이력데이터베이스 300: 전력수요데이터베이스
S100: 예상기온수신단계 S200: 유사일 추출단계
S300: 예측전력수요패턴 생성 단계 S310: 지수평활과정
S320: 정규화과정 S330: 패턴생성과정

Claims (11)

  1. 전력수요예측장치가, 목표일의 기온예보에 대응하는 예상기온데이터를 수신하는 예상기온수신단계;
    전력수요예측장치가, 상기 상기온데이터를 기 설정된 기온이력데이터베이스와 비교하여, 상기 예상기온데이터의 기온변화 패턴에 대응하는 유사일을 추출하는 유사일 추출단계; 및
    전력수요예측장치가, 상기 유사일에 측정한 측정전력수요패턴을 기 설정된 전력수요데이터베이스로부터 추출하고, 상기 측정전력수요패턴을 이용하여 상기 목표일의 예측전력수요패턴을 생성하는 예측전력수요패턴 생성단계를 포함하는 전력수요예측방법.
  2. 제1항에 있어서, 상기 유사일 추출단계는
    기 설정된 유사일 추출모델을 이용하여, 상기 기온이력데이터베이스에 저장된 각각의 측정일별 기온데이터와 상기 예상기온데이터 사이의 유사도를 계산하고, 상기 유사도가 높은 순서에 따라 기 설정된 개수의 측정일을 상기 유사일로 추출하는 전력수요예측방법.
  3. 제2항에 있어서, 상기 유사일 추출모델은
    Figure pat00050

    Figure pat00051

    을 이용하여 유클리드 거리를 계산하여 유사도를 측정하는 것으로,
    ΔTmax = Tf max - Tp max, ΔTmin = Tf min - Tp min이고, Tf max는 목표일의 최고기온, Tp max는 측정일의 최고기온, Tf min는 목표일의 최저기온, Tp min는 측정일의 최저기온, TC = 1 - R이고, R은 목표일과 측정일의 기온 사이의 상관계수, Δslopem = |slopef m - slopep m|, Δslopea = |slopef a - slopep a|이고, slopef m는 목표일의 오전 기온기울기, slopep m 는 측정일의 오전 기온기울기, slopef a는 목표일의 오후 기온기울기, slopep a 는 측정일의 오후 기온기울기, ω11, ω12, ω13, ω14, ω15는 가중치로, 상기 가중치는 각각 회귀식을 적용하여 최소자승법으로 산출하는 것인 전력수요예측방법.
  4. 제2항에 있어서, 상기 유사일 추출모델은
    Figure pat00052

    Figure pat00053

    을 이용하여 유클리드 거리를 계산하여 유사도를 측정하는 것으로,
    ΔTmax = Tf max - Tp max, ΔTmin = Tf min - Tp min이고, Tf max는 목표일의 최고기온, Tp max는 측정일의 최고기온, Tf min는 목표일의 최저기온, Tp min는 측정일의 최저기온, TC = 1 - R이고, R은 목표일과 측정일의 기온 사이의 상관계수, Δslopem = |slopef m - slopep m|, Δslopea = |slopef a - slopep a|이고, slopef m는 목표일의 오전 기온기울기, slopep m 는 측정일의 오전 기온기울기, slopef a는 목표일의 오후 기온기울기, slopep a 는 측정일의 오후 기온기울기, ΔHmax = Hf max - Hp max, ΔHmin = Hf min - Hp min이고, Hf max는 목표일의 최고기온 발생시간, Hp max는 측정일의 최고기온 발생시간, Hf min는 목표일의 최저기온 발생시간, Hp min는 측정일의 최저기온 발생시간이며, ω21, ω22, ω23, ω24, ω25, ω26, ω27는 가중치로, 상기 가중치는 각각 회귀식을 적용하여 최소자승법으로 산출하는 것인 전력수요예측방법.
  5. 제2항에 있어서, 상기 유사일 추출모델은
    Figure pat00054

    Figure pat00055

    을 이용하여 유클리드 거리를 계산하여 유사도를 측정하는 것으로,
    ΔTmax = Tf max - Tp max, ΔTmin = Tf min - Tp min이고, Tf max는 목표일의 최고기온, Tp max는 측정일의 최고기온, Tf min는 목표일의 최저기온, Tp min는 측정일의 최저기온, TC = 1 - R이고, R은 목표일과 측정일의 기온 사이의 상관계수, ΔHmax = Hf max - Hp max, ΔHmin = Hf min - Hp min이고, Hf max는 목표일의 최고기온 발생시간, Hp max는 측정일의 최고기온 발생시간, Hf min는 목표일의 최저기온 발생시간, Hp min는 측정일의 최저기온 발생시간이며, ω31, ω32, ω33, ω34, ω35는 가중치로, 상기 가중치는 각각 회귀식을 적용하여 최소자승법으로 산출하는 것인 전력수요예측방법.
  6. 제2항에 있어서, 상기 유사일 추출모델은
    Figure pat00056

    을 이용하여 유클리드 거리를 계산하여 유사도를 측정하는 것으로, Tf h는 목표일의 h시 기온, Tp h는 측정일의 h시 기온이고, 0 ≤ h ≤ 24, h는 정수를 만족하는 것인 전력수요예측방법.
  7. 제2항에 있어서, 상기 예측전력수요패턴 생성단계는
    상기 추출한 복수개의 측정전력수요패턴에 지수평활법을 적용하여, 지수평활수요패턴을 생성하는 지수평활과정;
    상기 지수평활수요패턴을 정규화하여, 정규수요패턴을 생성하는 정규화과정; 및
    상기 목표일에 대한 최대전력수요예측값과 최소전력수요예측값을 수신하고, 상기 정규수요패턴에 상기 최대전력수요예측값과 최소전력수요예측값을 적용하여, 상기 예측전력수요패턴을 생성하는 패턴생성과정을 포함하는 전력수요예측방법.
  8. 제7항에 있어서, 상기 지수평활과정은
    Figure pat00057
    Figure pat00058

    를 이용하여 상기 지수평활수요패턴을 생성하는 것으로서, SDLp h는 목표일의 h시간에서의 지수평활수요값이고, SDLn h은 유사도가 n번째로 높은 유사일의 h시간에서의 전력수요값, α는 지수평활 가중치인 전력수요예측방법.


  9. 제8항에 있어서, 상기 정규화과정은
    Figure pat00059

    를 이용하여 상기 정규수요패턴을 생성하는 것으로서, PU_SDLp h는 목표일의 h시간에서의 정규화된 정규수요값이고, SDLp h는 목표일의 h시간에서의 지수평활수요값, SDLp max는 목표일에서의 지수평활수요값의 최대값, SDLp min은 목표일에서의 지수평활수요값의 최소값인 전력수요예측방법.
  10. 제9항에 있어서, 상기 패턴생성과정은
    Figure pat00060

    를 이용하여 상기 예측전력수요패턴을 생성하는 것으로,
    Figure pat00061
    는 목표일의 h시간에서의 예측전력수요값이고, PU_SDLp h는 상기 목표일의 h시간에서의 정규화된 정규수요값,
    Figure pat00062
    는 상기 최대전력수요예측값,
    Figure pat00063
    는 상기 최소전력수요예측값인 전력수요예측방법.

  11. 목표일의 기온예보에 대응하는 예상기온데이터를 수신하는 데이터수신부;
    상기 예상기온데이터를 기 설정된 기온이력데이터 베이스와 비교하여, 상기 예상기온데이터의 기온변화 패턴에 대응하는 유사일을 추출하는 유사일 검색부; 및
    상기 유사일에 측정한 측정전력수요패턴을 기 설정된 전력수요데이터베이스로부터 추출하고, 상기 측정전력수요패턴을 이용하여 상기 목표일의 예측전력수요패턴을 생성하는 수요패턴생성부를 포함하는 전력수요예측장치.
KR1020160106778A 2016-08-23 2016-08-23 시간별 기온을 이용한 24시간 전력수요예측장치 및 전력수요예측방법 KR101838393B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160106778A KR101838393B1 (ko) 2016-08-23 2016-08-23 시간별 기온을 이용한 24시간 전력수요예측장치 및 전력수요예측방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160106778A KR101838393B1 (ko) 2016-08-23 2016-08-23 시간별 기온을 이용한 24시간 전력수요예측장치 및 전력수요예측방법

Publications (2)

Publication Number Publication Date
KR20180023082A true KR20180023082A (ko) 2018-03-07
KR101838393B1 KR101838393B1 (ko) 2018-03-15

Family

ID=61659631

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160106778A KR101838393B1 (ko) 2016-08-23 2016-08-23 시간별 기온을 이용한 24시간 전력수요예측장치 및 전력수요예측방법

Country Status (1)

Country Link
KR (1) KR101838393B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110163429A (zh) * 2019-05-10 2019-08-23 湖南大学 一种基于相似日优化筛选的短期负荷预测方法
KR102229887B1 (ko) 2020-09-25 2021-03-19 주식회사 티라유텍 조업데이터를 학습하여 전력사용량을 예측하는 분석 시스템 및 그 방법
KR102514996B1 (ko) * 2022-09-13 2023-03-29 성한 주식회사 머신러닝 비지도학습과 지도학습을 이용한 전력수요 예측 시스템 및 방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220134380A (ko) 2021-03-26 2022-10-05 한국전력공사 실시간 유연자원 최적 배분 시스템 및 방법
KR102594165B1 (ko) 2022-09-21 2023-10-24 백승훈 기온 변화에 대한 판매량 예측 모델을 활용한 미래 수요 예측 시스템

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110163429A (zh) * 2019-05-10 2019-08-23 湖南大学 一种基于相似日优化筛选的短期负荷预测方法
KR102229887B1 (ko) 2020-09-25 2021-03-19 주식회사 티라유텍 조업데이터를 학습하여 전력사용량을 예측하는 분석 시스템 및 그 방법
KR102514996B1 (ko) * 2022-09-13 2023-03-29 성한 주식회사 머신러닝 비지도학습과 지도학습을 이용한 전력수요 예측 시스템 및 방법

Also Published As

Publication number Publication date
KR101838393B1 (ko) 2018-03-15

Similar Documents

Publication Publication Date Title
KR101838393B1 (ko) 시간별 기온을 이용한 24시간 전력수요예측장치 및 전력수요예측방법
US11043808B2 (en) Method for identifying pattern of load cycle
US20200063710A1 (en) System and methods for hyper short-term wind power prediction using real-time wind parameter measurements
CN109919353B (zh) 一种基于空间相关性的arima模型的分布式光伏预测方法
EP3333999A1 (en) Device for predicting amount of photovoltaic power generation, and method for predicting amount of photovoltaic power generation
JP5492848B2 (ja) 電力需要予測システムおよび方法
EP3300205A1 (en) Energy demand predicting system and energy demand predicting method
JP5940922B2 (ja) 自然エネルギー量予測装置
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
CN109978201A (zh) 基于高斯过程分位数回归模型的概率负荷预测***及方法
JP6481468B2 (ja) 予測分布推定システム、予測分布推定方法、および予測分布推定プログラム
CN111091196A (zh) 客流数据确定方法、装置、计算机设备和存储介质
CN107403015B (zh) 一种基于时间序列相似性的短期光功率预测方法
JP2023022056A (ja) 電力需給管理システム、データ予測方法、およびデータ予測装置
CN103226736A (zh) 基于聚类分析与灰靶理论的中长期电力负荷预测方法
JP2003180032A (ja) 電力需要予測システム及びその予測方法
Zhao et al. Short-term microgrid load probability density forecasting method based on k-means-deep learning quantile regression
JP2021039739A (ja) 予測装置、予測プログラム、及び予測方法
CN111008727A (zh) 一种配电台区负荷预测方法及装置
CN116316612A (zh) 自动机器学习的新能源功率云边协同预测方法及***
KR20160074325A (ko) 기상변화에 따른 전력수요지수 예측 시스템 및 그 방법
JP2020108188A (ja) Ｐｖ出力予測支援装置、ｐｖ出力予測装置、ｐｖ出力予測支援方法及びｐｖ出力予測支援プログラム
JP6461397B2 (ja) 卸電力価格予測システムおよび卸電力価格予測方法
JP2017153257A (ja) 電力需要予測装置、及び電力需要予測方法
CN111368257B (zh) 煤改电负荷特性的分析预测方法及装置

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant