교호작용을 고려한 회귀분석 기반의 일별 최대전력 수요예측 = Regression Based Methods with Interaction Effects for Daily Peak Load Forecasting

다국어 초록 (Multilingual Abstract)

In this study, we consider a problem of forecasting daily peak load in South Korea. Peak load forecasting is one of the crucial operational decisions in electricity management area. Inaccurate forecasting of peak load can cause over-generation of power or blackouts in some regions, in either case tremendous economic loss may occur. For accurate forecasting, in this study, some special patterns inherent in daily peak load are analyzed. Based on the data analysis, we propose regression models in which various new input variables are involved. Especially, several interaction effects such as day factor versus autoregressive factor and seasonal factor versus temperature factor are considered. To evaluate the performance of the proposed method, we compared the forecasting results with the existing methods. Test results showed that the proposed method is superior to those in the literature in terms of mean absolute percentage error.

국문 초록 (Abstract)

본 연구에서는 국내 일별 최대전력을 예측하는 문제를 고려한다. 최대전력 예측은 전력 운영 측면에서 매우 중요한 의사결정 사항 중 하나이다. 부정확한 최대전력 예측은 과잉 전력 생산이나 정전을 유발할 수 있으며, 두 경우 모두 막대한 경제적 손실을 초래한다. 본 연구에서는 정확한 예측을 위해 일별 최대전력 수요가 갖는 다양한 특성을 파악한다. 전력 수요 분석 결과를 바탕으로 다양한 독립변수를 도출하고, 해당 변수들로 구성된 회귀모형을 제안한다. 특히, 제안 회귀모형에서는 요일에 따른 자기상관 요인, 요일에 따른 기온 요인, 계절에 따른 기온 요인 등 교호작용 효과를 포함한다. 제안된 예측 방법의 성능을 평가하기 위해 예측 결과를 기존 방법의 결과와 비교 실험하였다. 비교실험 결과, 제안 방법이 평균절대백분율오차 측면에서 기존 방법들보다 우수한 예측력을 보이는 것을 확인할 수 있었다.

참고문헌 (Reference)

• 1 신동하, "하계 전력수요 예측을 위한 딥 러닝 입력 패턴에 관한 연구" 한국정보기술학회 14 (14): 127-134, 2016
• 2 박준호, "특수일 분리와 예측요소 확장을 이용한 전력수요 예측 딥 러닝 모델" 한국항행학회 21 (21): 365-370, 2017
• 3 탁해성, "지역 기상 정보를 활용한 단기 전력 수요 예측 모델" 한국콘텐츠학회 16 (16): 488-498, 2016
• 4 지평식, "요일 특성을 고려한 일별 최대 전력 수요예측 알고리즘 개발" 대한전기학회 63 (63): 307-311, 2014
• 5 한정희, "요일 요인을 고려한 하절기 전력수요 예측" 한국산학기술학회 11 (11): 2793-2800, 2010
• 6 정희명, "오차보정알고리즘을 고려한 방사기저함수 신경망의 일별 최대전력수요예측 적용에 관한 연구" 대한전기학회 68 (68): 221-227, 2019
• 7 이정순, "시계열 모형을 이용한 일별 최대 전력 수요 예측 연구" 한국통계학회 26 (26): 349-360, 2013
• 8 오병기, "동태적 패널분석을 활용한 지역산업간 인과관계 분석" 한국산업경제학회 28 (28): 1-23, 2015
• 9 안준영, "동계 전력수요예측을 위한 신경망 모델에 관한 연구" 한국정보기술학회 15 (15): 1-9, 2017
• 10 이진영, "기온과 특수일 효과를 고려하여 시계열 모형을 활용한 일별 최대 전력 수요 예측 연구" 한국통계학회 32 (32): 161-171, 2019
• 11 이근철, "국내 일별 최대전력 수요예측에 관한 연구" 한국산업경제학회 30 (30): 1205-1218, 2017
• 12 이근철, "국내 동절기 일별 최대전력 예측에 관한 연구 :개방형 공공 데이터 활용 사례" 한국경영과학회 44 (44): 49-58, 2019
• 13 정상욱, "계절성과 온도를 고려한 일별 최대 전력 수요 예측연구" 한국통계학회 27 (27): 843-853, 2014
• 14 Hong, T., "Probabilistic Electric Load Forecasting: A Tutorial Review" 32 : 914-938, 2016
• 15 Hong, T., "Fuzzy Interaction Regression for Short Term Load Forecasting" 13 : 91-103, 2014
• 16 Kuster, C., "Electrical Load Forecasting Models: A Critical Systematic Review" 35 : 257-270, 2017
• 17 Upadhaya, D., "A Systematic Review on the Methods for Short Term Load Forecasting" 2019
• 18 Almalaq, A., "A Review of Deep Learning Methods Applied on Load Forecasting" 511-516, 2017
• 19 Hong, T., "A Naïve Multiple Linear Regression Benchmark for Short Term Load Forecasting" 1-6, 2011