시계열 모형을 이용한 하절기 시간별 전력 수요예측 연구 : 불쾌지수를 이용하여
Forecasting intraday electricity demand in summer with time series model : Using a discomfort index
- 발행기관 서강대학교 경영전문대학원
- 지도교수 김명석
- 발행년도 2014
- 학위수여년월 2014. 8
- 학위명 석사
- 학과 및 전공 도움말 경영전문대학원 글로벌서비스경영학과
- 실제URI http://www.dcollection.net/handler/sogang/000000054241
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약 도움말
전력의 경우 오늘날의 필수불가결의 존재이며 대부분 산업의 시발점이다. 그리고 국민의 모든 삶에 영향력을 주는 재화이다. 그리고 우리나라의 경우 전력거래소에서 고객의 전력 수요를 예측하고 전력을 공급하는 시스템을 가지고 있어서 전력수요예측의 정확성이 더욱 필요하다. 본 연구는 하절기에 냉방으로 인하여 전력 수요가 급증하며 수요예측이 힘들다는 것에 착안하여 하절기 전력 수요 예측에 좀 더 집중하고자 했다. 본 연구는 시간 별(hourly)데이터를 이용했다. 이 분야의 연구는 시간적 배경으로 많이 연구를 다루는데 그 중 intra-day 데이터를 이용하는 경향이 늘어나고 있기 때문이다. 기존에 이루어진 연구들은 계절성이 전력수요량에 중요한 영향을 미치는 변수로 인식하고 있다. 그리고 주기를 반영하여 예측력을 높이고자 했다. 그리고 기후 변수를 삽입하여 전력수요량 예측의 정확성을 높였다. 특히, 기온과 습도를 이용하여 전력수요량을 예측했다. 시간 별 데이터를 이용하는 것 보다 하루 중 가장 높은 온도를 이용하여 전력 수요량 모델에 반영했다. 본 연구에서는 이러한 문제를 해결하기 위하여 첫 째, 스펙트럼 분석을 실시하여 전력 수요량의 정확한 주기를 찾았다. 두 번 째로는 발견된 주기를 이용하여 시계열 모델(Seasonal Autoregressive model)을 만들었다. 세 번 째로는 앞 서 만들어진 시계열 모델에 영향을 주는 기후 변수를 삽입하여 모델의 정확성을 높이며 모델 간 비교를 했다(Seasonal Autoregressive with the exogeneous variable). In-sample을 이용하여 one day ahead forecast를 실시하고 예측한 값을 in-sample로 포함하여 그 다음 날의 시간 별 전력수요량을 예측했다. 그 결과 여름에 주로 사용하는 불쾌지수가 포함된 모델이 가장 정확한 예측력을 보였다. 본 연구는 기존에 시간 별 데이터를 사용하고 하루, 일주일 단위의 시간 주기를 찾아서 모델을 구축했다는 점과 기후 변수 중 기온과 습도를 합성한 불쾌지수를 외생변수로 이용하여 예측력을 높였다는 점에 의의를 가진다.
more초록/요약 도움말
Nowadays, electricity is very important goods in the world. And it is a driving force of the industry. In Korea, KPX(Korea Power Exchange) is forecasting the demanding of the electricity and supplying that. So, it is necessary to forecasting demanding of the electricity exactly. In this study, I want to focus on the demanding of the electricity in summer. Because in summer in Korea demanding of the electricity very rapidly so it is difficult to forecasting demanding of the electricity. I used hourly data which gives more exact forecasting. The past researches said that seasonality is important part to predict demanding of electrici6ty. And they reflected seasonality in time series model. And past researchers usually used exogeneous variable like temperature and humidity to increase the power of forecasting. They used not hourly data but highest temperature in days. In this study, at first I did the spectrum analysis for electricity hourly data and find some right seasonality. At second, using finding seasonality I made the Seasonal Autoregressive model. And then inserting exogeneous variable like temperature, humidity, discomfort index in time series model which is called Seasonal Autoregressive with exogeneous(SARX). At the end of the study, I compared some models and determined the ranking. In this study using in-sample data forecasted one day ahead forecasting. The forecasted one day ahead data would be the in-sample data that predict next one day ahead. As a result, this study found intraday cycle and intra week cycle. In exogeneous variable part, discomfort index be a good for predicting demanding of the electricity. This study have signification from finding exact intraday and intraweek cycle and finding weather factor that is discomfort index. These factors make more powerful forecasting time series model.
more