DBPIA-NURIMEDIA

Size: px

Start display at page:

Download "DBPIA-NURIMEDIA"

홍민 류(유)
5 years ago
Views:

1 ISSN (Print) / ISSN (Online) The Transactions of the Korean Institute of Electrical Engineers Vol. 64, No. 1, pp. 41~47, 계층적군집분석방법을활용한건물부하의전력수요예측 Load Forecasting using Hierarchical Clustering Method for Building 황혜미 * 이성희 박종배 ** 박용기 ** 손성용 *** (Hye-Mi Hwang Sung-Hee Lee Jong-Bae Park Yong-Gi Park Sung-Yong Son) Abstract In recent years, energy supply cases to take advantage of EMS(Energy Management System) are increasing according to high interest of energy efficiency. The important factor for essential and economical EMS operation is the supply and demand plan the hourly power demand of building load using the hierarchical clustering method of variety statistical techniques, and use the real historical data of target load. Also the estimated results of study are obtained the reliability through separate tests of validity. Key Words : Load forecasting, Cluster analysis, Hierarchical clustering method, Load pattern, Energy management system (EMS) 1. 서론일반적으로전력수요의증가는공급인프라를확충함으로써해결할수있으나, 최근국내전력계통은환경및지역적제약등으로인하여공급설비의추가적확보가어려워지고있어매년증가하고있는전력수요에대한대응방안이요구되고있다. 특히, 최근의에너지효율향상에대한관심이증대됨에따라공급측면이아닌수요측면에서의수요반응및수요관리에대한중요성이더욱커지고있다. 이와관련하여부하에에너지저장장치 (ESS, Energy storage system) 및신재생에너지등을활용하여에너지관리시스템 (EMS, Energy management system) 을적용하는사례가늘고있는데, 이러한시스템에서는관리대상이되는전력부하의정확한부하사용패턴을파악하는것이중요하다. 전력부하예측에관한연구는주로예측정확도를향상시키기위하여통계적, 수리적모형의입장에서다양한방법으로진행되어왔으며, 예측대상을세분화하여예측력이떨어지는구간에대한추정방법론을제시하거나고도의예측모형을제안, 또는예측기법을다양하게활용하여비교하고있다. 단기전력수요예측은크게과거시계열적인특성을고도화하기위한연구와기상과같은요인들 (Casual Factors) 과의관계를규명하기위한연구로나눌수있다 [1, 11]. 과거시계열적특성을활용하여이중계절지수평활법이나삼중계절방식을활용하여전력수요를 Corresponding Author : Dept. of Consulting, E3 EXPERT Inc., Korea. leevaluator@naver.com * Photovoltaic Group, Korea Institute of Energy Research, Korea. ** Dept. of Electrical Engineering, Konkuk University, Korea *** Dept. of Electrical Engineering, Gachon University, Korea Received : May 14, 2014; Accepted : December 09, 2014 예측해왔으며, ARIMA 모형을사용하여예측방법의정확도를향상하였다 [2, 3]. 또한온도, 기간, 기온등을고려하거나날씨와같은기상상태를고려한회귀모형등을사용하여국내전력수요를다양한방식으로예측하고있다 [4, 10]. 수요예측은평일, 주말, 특수일및특수경부하기간으로세분화하며, 예측대상에대한세부적인운영은특수경부하기간에대한수요예측은통계적인예측방법으로수행하기힘들기때문에예년해당기간실적치의평일대비수요저감률및수요경향을분석한후전년대비부하증가율과최근휴일의평일대비수요저감률을반영하여예측한다. 주말이나특수일과같이불연속적인시계열특성을나타내는단기전력수요예측에서는지수평활화법의오차율이높기때문에회귀분석법, 퍼지선형회귀분석법, 인공신경망, 전문가시스템등과같은고도의예측기법들을적용하고있으며오차율을낮추기위한연구가계속적으로진행되고있다. 또한, 전력부하의세분화를위해데이터마이닝 (Data Mining) 기법을이용한유형분류에대한연구도진행되고있는데, 미리그룹을정해놓고이에해당되는개체들을분류하는 k-means 알고리즘을활용하거나분류된예측대상을의사결정나무 (Decision Tree) 형태로표현하여비전문가의경우도이해가용이하도록운영아이디어를제시하기도한다 [5-9]. 본연구에서는특정건물부하의전력부하예측을위하여데이터마이닝의기법중, 사전정보가없거나타깃 ( 종속변수 ) 이없는경우수행되는자율예측 (Unsupervised Prediction) 기법의하나인계층적군집분석 (Hierarchical Cluster Analysis) 을적용하여예측대상 ( 전력부하 ) 을도출하고자한다. 기존연구들은대부분국내전력수요전체를대상으로하기때문에특정건물에대한전력부하를제대로설명하지못하거나향후예측에대한운영이용이하지않을수있다. 하지만계층적군집분석은기존연구와는달리예측대상을사전에정의하지않고자율적으로그룹핑하도록하여목표건물의전력부하에가장적합한예측대상을도출하는데적절한방법이라할수있다. Copyright c The Korean Institute of Electrical Engineers 41 This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License ( licenses/by-nc/3.0/)which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

전기학회논문지 64 권 1 호 2015 년 1 월 2. 목표부하의전력수요예측방법 2.1 연구데이터및수요예측절차본연구에서는건물부하의전력수요히스토리를활용하여일별, 시간대별전력수요를예측하였다. 이를위하여, 우선그림 1 과같이전력부하를효과적으로예측하기위한예측방법론을수립하고수요예측에활용할데이터들의군집분석을수행하기위하여사전에수집된자료들을일별, 시간대별로구분하였다.

그림 1 전력부하예측절차 Fig. 1 Load forecasting procedure 그림 2 일간전력부하데이터 Fig. 2 Daily load data 수요예측을위한학습데이터는 2012년 1월 1일부터 2012년 12월 31일까지총 366일에해당되는실제전력부하측정데이터를활용하였다.

이후, 본연구에서는일자별부하의특성을도출하고해당부하의수요예측패턴정립을위한군집분석을수행하여일별, 시간대별부하예측치를산정하였고이를바탕으로부하의연간패턴을예측하였다. 또한예측된부하수요의검증을위하여수집된 2013년전력부하를바탕으로검증을실시하였다.

2 전기학회논문지 64 권 1 호 2015 년 1 월 2. 목표부하의전력수요예측방법 2.1 연구데이터및수요예측절차본연구에서는건물부하의전력수요히스토리를활용하여일별, 시간대별전력수요를예측하였다. 이를위하여, 우선그림 1 과같이전력부하를효과적으로예측하기위한예측방법론을수립하고수요예측에활용할데이터들의군집분석을수행하기위하여사전에수집된자료들을일별, 시간대별로구분하였다. 24시간전체에대하여군집분석을한후예측값과의비교를통하여시간대별예측데이터의정확도를확인하였다. 이와같은방법에서데이터의예측정확도는시간당부하패턴이유사한날짜를정확히찾아내는방법과밀접한관련을갖는다. 따라서본논문에서는여러가지군집분석방법중초기그룹설정및해석이용이하고그룹간의연관관계를쉽게파악할수있는계층적군집분석을활용한전력부하의예측결과를제시하고자한다. 그림 1 전력부하예측절차 Fig. 1 Load forecasting procedure 그림 2 일간전력부하데이터 Fig. 2 Daily load data 수요예측을위한학습데이터는 2012년 1월 1일부터 2012년 12월 31일까지총 366일에해당되는실제전력부하측정데이터를활용하였다. 또한, 해당데이터중일별전력부하에는그림 2 에서보는바와같이연, 월, 일, 요일등의기본정보와휴일명, 휴일여부와같은캘린더정보들을포함하였으며, 시간별전력부하의속성은 on peak(08:00~19:00), off peak(19:00~08:00) 로구분하고시간은 1시간간격과 15분간격으로정의하였다 ( 그림 3 참조 ). 이후, 본연구에서는일자별부하의특성을도출하고해당부하의수요예측패턴정립을위한군집분석을수행하여일별, 시간대별부하예측치를산정하였고이를바탕으로부하의연간패턴을예측하였다. 또한예측된부하수요의검증을위하여수집된 2013년전력부하를바탕으로검증을실시하였다. 이것은 2013년 1월 1일부터 2013년 10월 25일까지측정된총 300일간의전력부하와 2012 년수요를바탕으로예측된패턴에의한전력수요결과를비교하여정확도를분석함으로써, 군집분석을통한부하패턴도출결과를검증하여보았다. 그림 2와그림 3은군집분석을통한그룹핑결과로서의예측날짜반영한것으로, 수요예측패턴정립을위하여필요한일간및시간대별전력부하의작성양식을나타낸다. 일간데이터의경우, 그림 2에서보는바와같이실제전력부하 ( 사용량 ) 실적과예측용날짜의실적을비교하여일별정확도를확인할수있다. 이중, 해당데이터의예측용날짜는군집분석을통하여요일및휴일여부등을고려하여결정하였다. 시간대별데이터의경우도마찬가지로, 그림 3에서보는바와같이실제날짜의데이터를 그림 3 시간대별전력부하데이터 Fig. 3 Hourly load data 2.2 계층적군집분석방법군집분석 (Cluster Analysis) 은여러개체들을분류하는방법론으로서, p개의변수로구성된 N개의개체들에대하여 p차원공간에흩어진 N개의점으로생각하고이들이어떤의미의조밀성을가지고군집을이루고있는지에관한정보를통하여다변량자료의구조를이해하는것이다. 즉, 군집그룹의개수, 내용, 구조등이온전히알려지지않은상태에서데이터의특성을파악할수있는방법이다. 분석그룹의유형은각개체가상호배반적인여러군집들중어느하나에만속하는상호배반적그룹과하나의그룹이다른그룹에포함은되나그룹간의중복이허용되지 42

Trans. KIEE. Vol. 64, No. 1, JAN, 2015 않고계층형식으로나뭇가지 (Tree) 와같은구조를취하게되는계층적 (Hierarchical) 군집, 그리고하나의개체가두개이상의그룹에동시에소속되는상황을허용하는중복군집, 마지막으로각개체가어떤그룹에속할확률이나자격을어떠한지표로표현하는퍼지 (Fuzzy) 군집이있다.

3 Trans. KIEE. Vol. 64, No. 1, JAN, 2015 않고계층형식으로나뭇가지 (Tree) 와같은구조를취하게되는계층적 (Hierarchical) 군집, 그리고하나의개체가두개이상의그룹에동시에소속되는상황을허용하는중복군집, 마지막으로각개체가어떤그룹에속할확률이나자격을어떠한지표로표현하는퍼지 (Fuzzy) 군집이있다. 군집분석은군집의형태와사용되는유사도 (Similarity) 혹은비유사도 (Dissimilarity) 의척도와연관된다양한방법이존재하는데, 군집분석을위해고려되는변수가 3개이하인경우에는산점도등을활용한목측 ( 目測 ) 에의한군집관계파악이바람직하지만변수의수가늘어나게되면이러한방식을사용할수없게되므로여러가지군집분석방법의특성을적절히활용해야한다. 따라서본논문에서는연간전력사용데이터의 12개월각각에대한특성을도출하기위하여월별로군집분석을수행하였다. 특히각월별날짜를개체로간주하고 24시간의시간변수에따라시간별날짜의유사도에따른그룹을찾기위한계층적 (Hierarchical) 군집분석을실시하였으며, 이때일간평균전력의유사도에따라그룹이분류될수있도록평균연결법 (Average Linkage) 을활용하였다. 평균연결법 (Average Linkage Method) 은유사도를표현하는방식중의하나로서두군집 U, N 사이의거리를각군집에속하는모든개체들의평균거리로정의하여가장유사성이큰군집을묶어나가는방식이다. 즉, 크기가각각 N 1, N 2 인두군집 U, N에서각군집에속해있는개체하나씩을선택하여 N 1 N 2 가지의거리 d ij 의평균을정의한것으로식 (1) 과같이나타낼수있다. (1) 당성의검증이필요하다. 따라서본논문에서는앞서예측된결과의타당성검증을위하여각그룹별절대오차율 (APE, Absolute Percent Error) 과실적치 (), 예측치 () 간의단순회귀모형 (Simple Regression Model) 의결정계수 (R-squared) 를계산하였다. 절대오차율은 0에서 1 사이의값을가지며 0에가까울수록오차가작음을의미한다. 또한, 결정계수는 1에가까울수록실적치와예측치가선형적으로일치함을나타낸다. 절대오차율과결정계수는식 (6) ~ 식 (7) 과같이계산할수있다. 여기서, (6) : 결정계수 : 그룹별날짜 : 전력부하실적치 (kwh) : 전력부하예측치 (kwh) : 전력부하실적치의평균 (kwh) 3. 부하패턴도출및타당성검증결과 3.1 군집분석수행결과 (7) 여기서, 거리 는 Euclidean 거리, Mahalanobis 거리, Minkowski 거리등이있으며두개체의유사성 (Similarity, ) 을이용하여정의할수도있다. 유사성은두개체에대한변수들사이의상관계수가사용될수있고식 (2) 과같이나타낸다. 전술하였듯이본논문에서는수집된데이터를통하여 24시간및 On Peak, Off Peak에대한월별군집분석을수행하여유사도를찾아내고, 이를바탕으로수요예측패턴을수립하여보았다. 먼저 24시간전체에관한월별군집분석을위하여 24시간전체를변수로정의하고각월별날짜들의그룹핑방식을분석하였다. 계층적군집분석에서평균연결볍, 최단연결법, WARD 연결법등알고리즘별로분석을수행하였고, 각알고리즘별그룹핑결과는 여기서, (2) 이때비유사성으로표현되는거리는식 (3)~(5) 과같이유사성 를이용하여구할수있다. (3) (4) (5) 위와같은방법으로부하패턴그룹을분류하면, 그에따른타 그림 4 24시간전력부하의군집분석수행결과 (2012년 1월 ) Fig. 4 Cluster analysis of 24 hours power load (Jan. 2012) 계층적군집분석방법을활용한건물부하의전력수요예측 43

전기학회논문지 64 권 1 호 2015 년 1 월 평균연결법에의한결과와동일하였다. 다음은월별 24시간군집분석중 2012년 1월과 2월의군집분석결과이다. 분석결과, 그림 4에서보는바와같이크게휴일 ( 신정연휴, 구정연휴, 토 일요일 ) 과평일로구분되었으며, 그외에도연휴다음날이평일이나휴일과는다른패턴을나타냈다.

위와같은방식으로 1년간월별 24시간군집분석을실시한결과, 평일의경우에도연휴전후의수요특성에따라그룹이나뉘었고, 휴일은토요일과일요일, 국경일, 연휴등으로그특성이구분되어나타났다. 또한평일은요일에따른특성이상이하게나타났으며월요일, 화요일~목요일, 금요일이각하나의그룹으로구성되었다.

4 전기학회논문지 64 권 1 호 2015 년 1 월 평균연결법에의한결과와동일하였다. 다음은월별 24시간군집분석중 2012년 1월과 2월의군집분석결과이다. 분석결과, 그림 4에서보는바와같이크게휴일 ( 신정연휴, 구정연휴, 토 일요일 ) 과평일로구분되었으며, 그외에도연휴다음날이평일이나휴일과는다른패턴을나타냈다. 또한캘린더상의녹색으로표시된날짜와같이특이성을갖는패턴도확인되었다. 이러한경우는주로연휴전날 (2월의경우 24일, 29일 ) 이라는공통점이있었으며, 이는연휴전휴가를사용하는사람들이증가하는경향이있으므로이로인하여전력사용량의변화가발생한것으로판단된다. 위와같은방식으로 1년간월별 24시간군집분석을실시한결과, 평일의경우에도연휴전후의수요특성에따라그룹이나뉘었고, 휴일은토요일과일요일, 국경일, 연휴등으로그특성이구분되어나타났다. 또한평일은요일에따른특성이상이하게나타났으며월요일, 화요일~목요일, 금요일이각하나의그룹으로구성되었다. 목표부하의특성에따라혹서기와혹한기의경우는수요관리로인하여통상적인특성과는매우다른양상이나타남을확인할수있었다. 그림 6 On peak/off peak에대한군집분석수행결과 (2012년 1월 ) Fig. 6 Cluster analysis for On peak/off peak (Jan. 2012) 3.2 수요예측패턴및예측치산정분석결과를활용하여수요예측패턴을정립하기위하여, 수행된군집분석결과는그림 7과같이의사결정나무모형을활용하여나타내었다. 우선 1차적으로휴일의여부와휴일의유형에따라서분류한후, 평일을월요일과화요일~ 금요일까지로 2차분류하고연휴전후에따라수요패턴이다르게나타난특이일, 마지막으로정의되지않은기타특수일로분류하였다. 이중예측에활용하는참조수요는 1주일전데이터, 1일전데이터, 전년도동일데이터를기본으로하였으며예외적으로연휴전후에대한예측은일반적으로 1주일전부하변동의폭이크므로 2주전데이터를활용하였다. 그림 5 24시간전력부하의군집분석수행결과 (2012년 2월 ) Fig. 5 Cluster analysis of 24 hours power load (Feb. 2012) 본논문에서는 24시간에대한군집분석이외에 On peak와 Off peak에관한군집분석을함께수행하여각월별그룹의분류가유사한지를검증하여보았다. On peak 시간대는오전 8시부터오후 7시사이, Off peak는오후 7시부터다음날오전 8시사이이며, 24시간에관한분석과마찬가지로 2012년 1월~ 12월까지 1년간의시간대별전력부하사용량데이터를활용하여군집분석을실시하였다. 다음은 2012년 1월의 On peak/ Off peak 군집분석결과이다. 같은기간의 24시간군집분석과비교하여그룹이형성되는순서는약간씩다르지만패턴의결과는유사한것을확인할수있다. 분석결과에서볼수있듯이, 군집분석을수행하여나타난부하의기본패턴은크게휴일, 주말, 평일 ( 일반 ), 평일 ( 연휴후 ) 로구분할수있으며이외에도부하의특성에따라충분히발생가능한별도패턴 ( 앞의 4가지중어느쪽에도속하지않고정의가불가능한특이패턴 ) 도구분하여수요예측패턴을정의하였다. 그림 7 군집분석수행결과에대한의사결정나무 Fig. 7 Decision tree for result of cluster analysis 이를바탕으로본수요패턴에따른규칙과전년도대비예측정확도는표 1과같이정리되었다. 표 1에서보는바와같이분석결과는특수패턴 ( 그림 7에서 9번 ) 을포함하여총 8가지패턴으로구분되었으며 2012년을기준으로예측정확도를비교해본결과, 2012년전체 366일중에서 82% 에해당하는 300일에대한정확도가 90% 를초과하는것을확인하였다. 그외나머지 66일은사무실용도인건물의특성에따라혹서기및혹한기의수요관리기간및건물자체의정비및점검, 또는행사등과같은이벤트에의하여예측정확도가떨어진것으로판단된다. 이중그림 7의 5번에해당하는일반평일 ( 화요일~금요일 ) 의경우는주로수요관리에의한경부하가발생되어참조수요를따라가지못하는결과를나타내었고, 그림 7의 2번에해당 44

-7일 3 연휴전주, 다음주 16 94% 17 2주前 -14일 국경일후월요일은평일 4 월요일 36 77% 47 3일前 -3일 1주일前 ( 일반 ) 5 화 ~ 금요일 163 86% 190 1일前 -1일 평일 6 월요일 3 100% 3 2주前 -14일 ( 연휴後 ) 7 화 ~ 금요일 1일前 -1일 그외 9 점검일, 개원일, 휴가, 프로젝트마감일, 기타특성일

5 Trans. KIEE. Vol. 64, No. 1, JAN, 2015 표 1 수요패턴에따른규칙과예측정확도 Table 1 Rules and predictive accuracy based on demand patterns 구분 번호 상세 정확도 90% 이상일수비중 전체 활용자료 비고 휴일 1 국경일, 연휴 10 53% 19 1년前 -365일 명절, 샌드위치 토, 일 2 일반 71 81% 88 1주前 -7일 3 연휴전주, 다음주 16 94% 17 2주前 -14일 국경일후월요일은평일 4 월요일 36 77% 47 3일前 -3일 1주일前 ( 일반 ) 5 화 ~ 금요일 % 190 1일前 -1일 평일 6 월요일 3 100% 3 2주前 -14일 ( 연휴後 ) 7 화 ~ 금요일 1일前 -1일 그외 9 점검일, 개원일, 휴가, 프로젝트마감일, 기타특성일 2 100% 2 1년前 -365일 특정패턴 합계 300일 (82.0%) 366일 하는일반휴일 ( 토 일요일 ) 은주말을이용한건물자체정비및점검등으로인하여 5번과마찬가지로참조수요와는다른양상을나타내었다. 특히, 연휴가집중되는국경일또는휴일의경우, 건물내전력사용자들의휴가사용등으로인하여전력부하패턴이매우다르게발생함을확인할수있었다. 3.3 예측타당성검증결과 앞서예측된결과의타당성검증을위하여정의된 7개그룹과특수패턴 (9번) 에대한예측결과는전술한바와같이식 (6)~ 식 (7) 을활용하여절대오차율과결정계수를계산하여비교하여보았다. 산정된결과는표 2와같다. 표에서보는바와같이, 각수요패턴들에대한전반적인검증결과는절대오차율 (APE) 1.3%, 결정계수 (R-squared) 100.0% 로전체적으로매우타당함을나타내었다. 패턴그룹별로살펴보면절대오차율이 5% 를초과하는경우는국경일및연휴 (1번) 의경우 7.3%, 그외특성일 (9번) 에서 5.1% 로나타났다. 특히국경일및연류와같은특수일의경우는결정계수가매우낮게계산된것을볼수있는데, 이는전체적인전력수요는적지만상대적으로변동이매우크기때문으로판단된다. 그림 년전력부하예측결과 (x축날짜 ( 월 ), y축 kwh) Fig. 9 Load forecasting results in 2013 (x-axis: month, y-axis: kwh) 같은방식으로전력부하패턴에따라 2013년데이터에적용하여타당성검증을수행하여보았다. 2013년 1월 1일부터 2013년 10월 25일까지총 300일에대해일별데이터를활용하여검증한결과, 절대오차율 (APE) 은 0.7%, 결정계수는 70.9% 로나타났다. 패턴그룹별로절대오차율이 5% 이상인경우는 2012년과마찬가지로국경일및연휴 (1번) 의경우 8.8%, 연휴전후토 일요일 (3 번 ) 8.4%, 평일 (7번) 5.3% 였다. 2013년은 2012년과비교하여큰차이를나타내지않은것을확인할수있었으며절대오차율의평균은 0.7% 에불과하여본논문에서사용한방식의예측정확도는매우높은것으로분석되었다. 4. 결론 그림 8 전체타당성검증결과 (2012년) Fig. 8 Full validation results (2012) 본논문에서는목표건물을대상으로전력부하의연간수요를예측하기위하여계층적군집분석을활용한전력수요예측방법을제시하였다. 이를위하여수립된예측방법론에따라예측에활용할데이터들의군집분석을수행하기위하여수집된자료들을일별, 시간대별로구분하여정리한후계층적군집분석을수행하여각데이터들의그룹핑을통한일별수요특성을도출하였다. 해당 계층적군집분석방법을활용한건물부하의전력수요예측 45

6 전기학회논문지 64 권 1 호 2015 년 1 월 표 2 수요패턴에따른타당성검증결과 (2012년) Table 2 Validation results based on demand patterns (2012) 구분번호상세일수 APE R-squared 휴일 1 국경일, 연휴 % 28.0% 토, 일 2 일반 % 89.8% 3 연휴전주, 다음주 % 94.8% 평일 4 월요일 % 99.6% ( 일반 ) 5 화 ~ 금요일 % 99.9% 평일 6 월요일 3 5.0% 91.5% ( 연휴後 ) 7 화 ~ 금요일 점검일, 개원일, 휴가, 그외 9 프로젝트마감일, 기타 2 5.1% 0.4% 특성일 전체 366일 1.3% 100.0% 표 3 수요패턴에따른타당성검증결과 (2013년테스트자료 ) Table 3 Validation results based on demand patterns (test data in 2013) 구분 번호 상세 일수 APE R-squared 휴일 1 국경일, 연휴 % 95.4% 토, 일 2 일반 % 51.1% 3 연휴전주, 다음주 4 8.4% 48.5% 평일 4 월요일 % 49.0% ( 일반 ) 5 화 ~ 금요일 % 73.9% 평일 6 월요일 ( 연휴後 ) 7 화 ~ 금요일 5 5.3% 87.0% 점검일, 개원일, 휴가, 그외 9 프로젝트마감일, 기타 특성일 전체 300일 0.7% 70.9% 부하패턴은크게휴일및평일, 토요일 / 일요일, 연휴후평일등총 7가지로수요패턴이분류되었으며 ( 부하고유의이벤트에의한비정상적수요패턴은기타로분류하여총 8가지패턴을적용함 ), 이를통하여 2012년의일별, 시간대별부하수요예측치를산정하여보았다. 그결과, 2012년 366일에대한예측정확도는평균 82% 로나타났으며이중 300일의정확도가 90% 를초과하였다. 그외정확도가 90% 이하로나타난 66일은군집분석시이상수요패턴을나타냈다. 이러한특수일은대부분부하의특성에따른것으로서, 향후지속적인학습에의하여해당일자의특수성이예측패턴에반영되어예측결과의정확도에기여할수있게된다. 또한예측방식의타당성을검증하기위하여예측의절대오차율 (APE) 및단순회귀모형의결정계수 (R-squared) 를계산해본결과 2012년의경우절대오차율 1.3%, 결정계수 100.0% 로나타났고, 2013년 300일수에대한경우도각각 0.7%, 80.9% 로나타남으로서해당예측은매우타당한것으로판단되었다. 본연구의결과를통하여얻어진목표건물에대한전력수요예측패턴은 향후목표부하의양적인변동및실시간예측오차등을고려한보정에관한연구가더해질예정이며, 이를활용하여더욱더정밀하고정확한부하수요예측을통하여목표건물의 EMS 운영에반영할예정이다. 감사의글본연구는 2014년한국에너지기술연구원의주요사업으로수행한연구결과입니다 (B ). References [1] Amjady, N. (2001). Short-Term Hourly Load Forecasting Using Time-Series Modeling with Peak Load Estimation Capability, IEEE Transactions on Power Systems, 16, pp.498~505. [2] D.H. Hong, S.H. Lee, and H.Y. Do (2011), Fuzzy linear regression analysis for fuzzy input-output data using shape preserving operations, Fuzzy Sets and Systems 122, pp [3] Kyung-Bin Song, Young-Shik Baek, Dug-Hun Hong, Gil-Soo Jang (2005), Short-term load forecasting for the holidays using fuzzy linear regression method, IEEE Trans. on Power Systems, Vol.20, No.1, pp [4] Taylor, J. W. (2010). Triple seasonal methods for short-term electricity demand foreca-sting, European Journal of Operational Research, 204, pp.139~152. [5] B.G. Ku, C.H. Kim, J.H. Park, and H.S. Lee (2009), Daily electric load classification using data mining, KIEE summer conference 2009, pp [6] J.D. Park, K.B. Song, H.W. Lim, and H.S. Park (2012), Short-Term Load Forecast for Near Consecutive Holidays Having The Mixed Load Profile Characteristics of Weekdays and Weekends, The Transactions of the Korean Institute of Electrical Engineers, 61(12), pp [7] J.D. Park, and K.B. Song (2013), Short-Term Load Forecast for Summer Special Light-Load Period, The Transactions of the Korean Institute of Electrical Engineers, 62(4), pp. 482~488. [8] J.S. Lee, H.G. Son, and S.Y. Kim (2013), Daily Peak Load Forecasting for Electricity Demand by Time Series Models, The Korean Journal of Applied Statistics, 26(2), pp [9] S.Y. Choi, and H.J. Kim (2007), Short-term Demand Forecasting Using Data Mining Method, Journal of Korean Institute of Illuminating and Electrical Installation Engineers. 21(10), pp

Trans. KIEE. Vol. 64, No. 1, JAN, 2015 [10] Taylor, J. W. (2003).

the Operational Research Society, 54, pp.799~805. [11] Weron, R. (2006).

손성용 (Sung-Yong Son) 1968년 1월 28일생. 1990년 KAIST 생산공학과졸업. 1992년동대학원정밀공학과졸업 ( 석사 ).

저자소개 황혜미 (Hye-Mi Hwang) 1979년 7월 9일생. 2002년강원대전기공학과졸업. 2004년동대학원전기공학과졸업 ( 석사 ). 2013년건국대전기공학과박사수료.

1999년岡山대학대학원환경수리학과졸업 ( 박사 ). 현재 ( 주 )E3 EXPERT 부사장 박종배 (Jong-Bae Park) 1963년 11월 24일생.

7 Trans. KIEE. Vol. 64, No. 1, JAN, 2015 [10] Taylor, J. W. (2003). Short-term electricity demand forecasting using double seasonal exponential smooth-ing, Journal of the Operational Research Society, 54, pp.799~805. [11] Weron, R. (2006). Modeling and Forecasting Electricity Loads and Prices: A Statistical Approach, Wiley, Chichester. 손성용 (Sung-Yong Son) 1968년 1월 28일생. 1990년 KAIST 생산공학과졸업. 1992년동대학원정밀공학과졸업 ( 석사 ). 2000년 University of Michigan, Ann Arbor 기계공학과졸업 ( 박사 ). 현재가천대학교전기공학과부교수. 저자소개 황혜미 (Hye-Mi Hwang) 1979년 7월 9일생. 2002년강원대전기공학과졸업. 2004년동대학원전기공학과졸업 ( 석사 ). 2013년건국대전기공학과박사수료. 현재한국에너지기술연구원태양광연구실선임연구원 이성희 (Sung-Hee Lee) 1970년 6월 27일생. 1992년목원대응용통계학과졸업. 1994년충남대대학원통계학과졸업 ( 석사 ). 1999년岡山대학대학원환경수리학과졸업 ( 박사 ). 현재 ( 주 )E3 EXPERT 부사장 박종배 (Jong-Bae Park) 1963년 11월 24일생. 1987년서울대전기공학과졸업. 1989년동대학원전기공학과졸업 ( 석사 ). 1998년동대학원전기공학과졸업 ( 박사 ). 현재건국대학교전기공학과교수 박용기 (Yong-Gi Park) 1979년 11월 14일생. 2005년건국대전기공학과졸업. 2009년동대학원전기공학과졸업 ( 석사 ). 2014년동대학원전기공학과졸업 ( 박사 ). 현재건국대학교전력시장신기술연구센터연구원 계층적군집분석방법을활용한건물부하의전력수요예측 47

<30312DC1A4BAB8C5EBBDC5C7E0C1A4B9D7C1A4C3A52DC1A4BFB5C3B62E687770>

<30312DC1A4BAB8C5EBBDC5C7E0C1A4B9D7C1A4C3A52DC1A4BFB5C3B62E687770> Journal of the Korea Institute of Information and Communication Engineering 한국정보통신학회논문지(J. Korea Inst. Inf. Commun. Eng.) Vol. 19, No. 2 : 258~264 Feb. 2015 ID3 알고리즘 기반의 귀납적 추론을 활용한 모바일 OS의 성공과 실패에 대한