국내비거주전력사용량기반장단기예측을위한딥러닝모���최적화방안연구 = Optimization of Deep Learning Models for Fine-grained Long and Short term Prediction of Power Consumption in Non-Resident Domestic Environment
저자
발행사항
광주 : 전남대학교, 2024
학위논문사항
학위논문(박사)-- 전남대학교 : 전자컴퓨터공학과 2024. 2
발행연도
2024
작성언어
한국어
주제어
DDC
621.381
발행국(도시)
광주
형태사항
114 ; 26 cm
일반주기명
지도교수: 김진술
UCI식별코드
I804:24010-000000071280
소장기관
전세계적으로 전력사용량은 꾸준히 증가하고 있으며 탄소 배출을 줄이기 위한 다양한 정책들이 등장하고 있다. 전력수요가 지속적으로 증가함에 따라 전력설비의 효율적인 운영, 정전 예방, 효과적인 에너지 관리를 위해 정확한 전력사용량 예측이 중요해지고 있다. 그러나, 기존 통계적 방법을 통한 예측은 다양한 공간적, 시간적 요인의 영향을 받는 전력데이터에 내재되어 있는 불규칙하고 복잡한 패턴으로 인해 정확한 예측에 어려움을 겪고 있다. 최근에는 머신러닝, 딥러닝 등 인공지능 기술이 전력사용량 예측, 이상탐지 등 다양한 영역에서 불규칙 패턴을 예측하는 문제에 사용되고 있다. 전력사용량은 환경에 많은 영향을 받는 데이터 중 하나이다. 거주 환경과 비거주 환경의 경우를 비교하면 거주 환경은 사람의 근로 형태나 거주형태에 따라 차이가 있고 비거주 환경은 특정 시간대에 전력 소비량이 많아지거나 전력 소비가 일정하게 이루어지는 특징이 있다. 또한, 정확한 전력사용량 예측을 위한 한가지 문제는 우리나라 고유 기후와 공간적 특성을 고려한 개방형 전력데이터 세트가 부족하다는 점이다. 기존 공개 데이터세트는 외국에서 수집되어 공개된 데이터가 많아 한국 상황에 직접적으로 적용하긴 어렵다. 본 학위 논문에서는 한국의 특수한 기후와 공간적 특성을 고려할 수 있도록 전남대학교와 경기도 지역의 공장에서 전력사용량 데이터를 수집하였다. 확보한 전남대학교의 공과대학 7호관 전력 사용량 데이터와 경기도 지역의 공장에서 수집한 고압 전력-1시간 데이터세트는 거주 환경과 달리 비거주 환경 특성을 가지고 있으며 상세 분석 및 시각화를 통해 우리나라 전력 소비의 패턴과 추세를 파악했다. 확보한 데이터세트는 딥러닝 기술에 적용하여 국내 비거주 전력 데이터 고유의 시간적, 공간적 특성을 학습하였다. 학습된 모델은 정확하고 신뢰할 수 있는 전력 소비 예측이 가능하여 우리나라 전력설비 운영의 최적화, 정전예방 및 전력자원의 효율적 활용에 기여할 것으로 기대한다. 본 학위 논문은 전남대학교와 경기도 공장에서 수집한 고압 전력 데이터세트를 공개 및 활용하고 딥러닝 기술을 적용하여 환경적, 시간적, 공간적 특성이 반영된 전력 예측 문제에 대한 실질적인 통찰력과 솔루션을 제공하는 것을 목표로 한다. 이러한 목표와 문제를 해결하기 위해서 국외 거주 전력 사용량 데이터인 프랑스 가정용 데이터세트와 스페인 데이터세트를 활용한 초단기부터 초장기 예측 연구를 진행하여 세밀한 장단기 예측을 위한 실험결과를 도출하였다. 실험결과를 바탕으로 1시간부터 24시간까지 1시간 단위의 세밀한 전력사용량을 예측할 수 있도록 실험 환경을 구성하였다. 실험 환경을 바탕으로 전남대학교 공과대학교 7호관 전력데이터와 공장의 고압 전력-1시간 데이터를 딥러닝 모델에 학습하였다. 딥러닝 모델은 기초적인 MLP 모델뿐만 아니라 RNN 계열의 LSTM, GRU와 최근 시계열 데이터에 적합하고 데이터의 주기성 패턴을 파악하여 예측하는 TCN 모델과 이를 경량화한 Stride-TCN 모델, 데이터의 주요 패턴에 집중하여 값을 예측하는 Transformer 모델의 인코더 구조를 3계층과 8계층으로 구성한 모델을 비교하였다. 그 결과로, 국내 비거주 전력사용량 데이터 세트에서는 비거주 환경으로 인해 기온, 습도, 기압 데이터의 영향을 덜 받으며 평균적으로 TCN 모델이 더 높고 좋은 성능을 보였다. 한국의 환경적, 시간적, 공간적 특성을 잘 반영할 수 있는 TCN 모델은 하이퍼파라미터 최적화를 통해 최적화된 파라미터 값을 도출하였으며 단변량과 다변량에서 모두 좋은 성능을 보였다. 도출된 최적 하이퍼 파라미터값을 바탕으로 전남대학교 전력사용량 데이터 세트와 같이 주기적인 패턴을 가지는 경우에는 커널 사이즈가 작은 TCN 모델이 우수하였으며 고압 전력-1시간 데이터세트와 같이 변동성이 큰 경우에는 커널 사이즈가 큰 TCN 모델이 우수하다는 것을 알 수 있었다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)