Journal of Korea Spatial Information System Society (한국공간정보시스템학회 논문지)

Korea Spatial Information System Society (대한공간정보학회)
권호 표지

Short-term Power Load Forecasting using Time Pattern for u-City Application

u-City응용에서의 시간 패턴을 이용한 단기 전력 부하 예측

  • 박성승 (국방대학교 전산실) ;
  • 손호선 (충북대학교 전자계산학과) ;
  • 이동규 (충북대학교 전자계산학과) ;
  • 지은미 (혜천대학교 의료정보과) ;
  • 김희석 (청주대학교 전자공학과) ;
  • 류근호 (충북대학교 전기전자컴퓨터공학부)
  • Published : 2009.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

Developing u-Public facilities for application u-City is to combine both the state-of-the art of the construction and ubiquitous computing and must be flexibly comprised of the facilities for the basic service of the building such as air conditioning, heating, lighting and electric equipments to materialize a new format of spatial planning and the public facilities inside or outside. Accordingly, in this paper we suggested the time pattern system for predicting the most basic power system loads for the basic service. To application the tim e pattern we applied SOM algorithm and k-means method and then clustered the data each weekday and each time respectively. The performance evaluation results of suggestion system showed that the forecasting system better the ARIMA model than the exponential smoothing method. It has been assumed that the plan for power supply depending on demand and system operation could be performed efficiently by means of using such power load forecasting.

u-City 활용을 위한 u-공공시설의 개발은 첨단 건축기술과 유비쿼터스 컴퓨팅의 통합으로 새로운 형식의 공간계획과 공공시설물을 내외부에 설치하기 위해 건물의 기반 서비스 시설인 냉난방, 공조, 조명 그리고 전력 관련 시설들의 기반이 구축되어야 한다. 따라서 이 논문에서는 이러한 기반 서비스를 위한 가장 기본적인 것 중 하나인 단기 전력 시스템의 수요와 공급 문제를 해결하기 위하여 시계열 분석을 적용한 시간 패턴 분석을 통해 전력 수요 예측 기술을 제안한다. 시간 패턴 분석을 위해 SOM 알고리즘과 k-means 기법을 적용하여 요일별, 시간별 데이터를 군집화하고 그 자료를 이용하여 시간 패턴 분석 방법인 지수평활기법과 ARIMA 모형을 비교 분석하였다. 제안 시스템 성능 평가 결과 지수평활기법 보다 ARIMA 모형을 적용한 시스템이 더 좋은 결과를 보였다. 따라서, 이러한 전력 부하 예측 결과를 이용하여 전력 공급의 수요에 따른 계획이나 시스템 운영을 효과적으로 할 수 있다.

Keywords

References

  1. 김해명, 김병국, 성정곤, 박인만, “유비쿼터스 시대 도시 기반 시설물 전자 라이브러리 구축 및 활용 방안”, 한국공간정보시스템학회 논문지 제8권 제3호, 2006, pp. 27-37.
  2. 김은형, “u-City 도시 통합 운영체계를 위한 공간정보 활용 방안 연구”, 한국공간정보시스템학회, 2007GIS 공동춘계학술대회논문집, 2007, pp. 43-50.
  3. Amjady. N, “Short-term hourly load forecasting using time-series modeling with peak load estimation capability,” IEEE Trans. Power System., Vol. 16, No. 3, 2001, pp. 498-505. https://doi.org/10.1109/59.932287
  4. Uang. S. J, and Shih K. R, “Short-term load forecasting via ARMA model identification including non-Gaussian process considerations,” IEEE Trans. Power Syst., Vol. 18, No. 2, 2003, pp. 673-679. https://doi.org/10.1109/TPWRS.2003.811010
  5. Amjady. N, “Short-term hourly load forecasting using time series modeling with peak load estimation capability,” IEEE Trans. Power System., Vol. 16, No. 3, 2001, pp. 498-505. https://doi.org/10.1109/59.932287
  6. Verdu. S. V, “Classification, Filtering, and Identification of Electrical Customer Load Patterns Through the Use of Self-Organizing Maps”, IEEE Trans. Power System. Vol. 21, No. 4, 2006, pp. 1672-1682. https://doi.org/10.1109/TPWRS.2006.881133
  7. Kanungo T, et al., “An efficient k-means clustering algorithm: analysis andimplementation,” IEEE Trans. Machine Intelligence. Vol. 24, No. 7, 2002, pp. 881-892. https://doi.org/10.1109/TPAMI.2002.1017616
  8. Papalexopoulos. A. D, Hesterberg. T. C, “A regression- based approach to short-term system load forecasting”, IEEE Transactions on Power Systems, Vol. 5, No. 4, 1990, pp. 123-128.
  9. Rahman. S, Bhatnaga. R. r, “An expert system based algorithm for short term load forecast”, Vol. 3, Issue. 2, 1988, pp. 392-399. https://doi.org/10.1109/59.192889
  10. 조신섭, 황선영, 이긍희, “시계열분석”, 한국방송통신대학교 출판사, 2001.
  11. Lee. H. G, Lee. B. J, Shin. J. H, Ryu. K. H, “Application of Calendar-Based Temporal Classification to Forecast Customer Load Patterns from Load Demand Data”, IEEE International Conference on Computer and Information Technology, Australia, 2008, pp 149-154.
  12. Piao. M, Park. J. H, Lee. H. G, Shin. J. H, Ryu. K. H, “Assessment of Temperature Sensitivity Analysis and Temperature Regression Model for Predicting Seasonal Bank Load Patterns”, IEEE International Workshop on Semantic Computing and Applications, Incheon, Korea, 2008, pp. 81-84.
  13. 이양구, 김원태, 정영진, 김광득, 류근호, "날씨 마케팅 적용을 위한 기후 데이터의 군집 분석", 공간정보시스템학회, 2005, 제7권 제3호, pp. 33-44.
  14. 김은희, 최병갑, 이응재, 류근호 "무선통신 환경에서 이동 서버간의 데이터 동기화 기법", 정보처리학회논문지 D, 2006, 제13권 제7호, pp. 901-908.
  15. 정영진, 류근호, 김학철, "실외 센서네트워크 기반 재해방지 시스템을 위한 위험지역 예측기법", 정보처리학회 논문지 D, 2006, 제13권 제6호, pp. 775-788.