정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
유사 시계열 데이터 분석에 기반을 둔 교육기관의 전력 사용량 예측 기법 |
| 영문제목(English Title) |
Power Consumption Forecasting Scheme for Educational Institutions Based on Analysis of Similar Time Series Data |
| 저자(Author) |
문지훈
박진웅
한상훈
황인준
Jihoon Moon
Jinwoong Park
Sanghoon Han
Eenjun Hwang
|
| 원문수록처(Citation) |
VOL 44 NO. 09 PP. 0954 ~ 0965 (2017. 09) |
한글내용
(Korean Abstract) |
안정적인 전력 공급은 전력 인프라의 유지 보수 및 작동에 매우 중요하며, 이를 위해 정확한 전력 사용량 예측이 요구된다. 대학 캠퍼스는 전력 사용량이 많은 곳이며, 시간과 환경에 따른 전력 사용량 변화폭이 다양하다. 이러한 이유로, 전력계통의 효율적인 운영을 위해서는 전력 사용량을 정확하게 예측할 수 있는 모델이 요구된다. 기존의 시계열 예측 기법은 학습 시점과 예측 시점 간의 차이가 클수록 예측 구간이 넓어짐으로 예측 성능이 크게 떨어진다는 단점이 있다. 본 논문은 이를 보완하려는 방안으로, 먼저 의사결정나무를 이용해 날짜, 요일, 공휴일 여부, 학기 등을 고려하여 시계열 형태가 유사한 전력 데이터를 분류한다. 다음으로 분류된 데이터 셋에 각각의 자기회귀누적이동평균모형을 구성하여, 예측 시점에서 시계열 교차검증을 적용해 대학 캠퍼스의 일간 전력 사용량 예측 기법을 제안한다. 예측의 정확성을 평가하기 위해, 성능 평가 지표를 이용하여 제안한 기법의 타당성을 검증하였다.
|
영문내용
(English Abstract) |
A stable power supply is very important for the maintenance and operation of the power infrastructure. Accurate power consumption prediction is therefore needed. In particular, a university campus is an institution with one of the highest power consumptions and tends to have a wide variation of electrical load depending on time and environment. For this reason, a model that can accurately predict power consumption is required for the effective operation of the power system. The disadvantage of the existing time series prediction technique is that the prediction performance is greatly degraded because the width of the prediction interval increases as the difference between the learning time and the prediction time increases. In this paper, we first classify power data with similar time series patterns considering the date, day of the week, holiday, and semester. Next, each ARIMA model is constructed based on the classified data set and a daily power consumption forecasting method of the university campus is proposed through the time series cross-validation of the predicted time. In order to evaluate the accuracy of the prediction, we confirmed the validity of the proposed method by applying performance indicators.
|
| 키워드(Keyword) |
자기회귀누적이동평균모형
시계열 교차검증
의사결정나무
전력 사용량 예측
교육기관
autoregressive integrated moving average
time series cross-validation
decision tree
power consumption forecasting
educational institution
|
| 파일첨부 |
PDF 다운로드
|
