RMSE 및 Pearson 상관 계수를 활용한 단기 부하 예측 모델 개발

Abstract

에너지 저장 시스템(ESS)은 에너지 공급을 보장하기 위한 재생 가능 에너지 생성 시스템의 필수 구성 요소이다. 시설의 부하 수요를 예측하면 ESS의 충/방전 일정을 개선하고 에너지 관리를 최적화할 수 있다. 시간별 부하 예측을 통해 에너지 저장 시스템을 최적화하여 운영 비용과 운영 제약을 줄이고 안정성을 높일 수 있다. 하지만 시설의 부하는 경제, 계절 및 날씨와 같은 다양한 요인의 영향을 받을 수 있다. 최적화된 ESS 충/방전 스케줄링을 위해서는 예측하기 힘든 기상 변수를 극복해야할 필요가 있으며 이를 위한 접근 방식 중 하나는 ESS 운영 시스템이 연결된 전력 공급을 받는 시설의 부하 수요를 예측하는 것이다. 이를 위해서 본 연구에서는 과거 시설의 부하 데이터를 사용하여 선형 회귀를 기반으로 산업 시설의 부하 수요를 시뮬레이션하기 위해 단기 부하 예측(STLF) 모델을 구현하였다. 통계 모델은 Root Mean Square Error (RMSE)와 Pearson Correlation Coefficient (PCC)를 사용하여 최적화한 뒤 2개 지역의 산업 시설에 대한 부하 수요를 예측하였다. 예측 시뮬레이션은 Python 언어로 구현되었으며, 개발된 알고리즘을 사용하여 수행되었다. 예측된 부하 값은 산업 시설의 과거 부하 데이터와 비교되었다. 제안된 알고리즘의 성능은 다양한 평가 지표를 사용한 통계 분석을 사용하여 검증되었다. 결과는 무작위로 선택한 3일 동안에 측정된 데이터를 사용하였는데, 0.98 (지역1), 0.97 (지역2)의 매우 높은 평균 PCC를 보여주었다. 수집한 1년 데이터 전체를 시뮬레이션 했을 때에도 높은 PCC 수치를 보여주었다. 지역1 예측 부하 수치는 지역2보다 평균 절대 오차 (MAE)가 낮았다. 또한 평균 절대 백분율 오차 (MAPE) 값의 50% 이상이 본 연구에서 정의한 기준에 따라 합리적인 예측 수치로 분류되었다. 제안된 알고리즘은 RMSE와 Pearson 상관 계수를 결합하여 선형 회귀 모델에서 하나의 변수인 과거 부하 데이터만을 고려하여 부하 수요를 예측하는 더 간단하고 빠른 방법이기 때문에, ESS의 효율적인 운영 시스템을 최적화하고 에너지 관리 최적화를 기대해볼 수 있다.