전력수요 예측모델 : 변수 선택 및 추출 기법을 활용한 Support Vector Regression 모델

DC Field Value Language
dc.contributor.author이형로-
dc.date.accessioned2018-11-08T07:56:28Z-
dc.date.available2018-11-08T07:56:28Z-
dc.date.issued2012-02-
dc.identifier.other12392-
dc.identifier.urihttps://dspace.ajou.ac.kr/handle/2018.oak/8712-
dc.description학위논문(석사)아주대학교 일반대학원 :산업공학과,2012. 2-
dc.description.abstract최근 지역난방공사의 열병합발전소를 중심으로 개별 열 생산시설을 통한 난방시스템을 대체하기 위한 지역난방모형이 확산되고 있다. 또한 중․장기 전력수요예측은 지역난방모형의 사업 허가신청 및 경제성 분석을 위해 필수적인 요소로서 활용되고 있다. 하지만 최근 빈번하게 발생하는 이상기후 및 이상기온은 기후에 영향을 많이 받는 전력수요의 특성상 중․장기 전력수요예측의 불확실성을 높인다. 따라서 이러한 어려움을 우회하기 위한 방안으로 필요시마다 정확하고 신속하게 즉각적인 전력수요를 예측할 수 있는 모델이 필요하다. 이를 위해서는 모델링 측면에서 획득이 용이한 최소한의 변수를 사용하는 것이 유리하며, 우수성이 검증된 모델을 사용하는 것이 바람직하다. 이를 위해 본 연구에서는 변수선택 및 특징추출 기법을 사용하여 모델의 입력변수를 간소화 한 후, 예측에 우수한 성능을 보이는 Support Vector Regression(SVR)에 적용한 모델을 제안한다. 또한 시프트 경향을 알아낼 수 없는 Mean Absolute Percentage Error(MAPE)의 단점을 보완하기 위해 시계열 예측의 성능 평가를 위한 지표로 시프트 지표를 제안한다. 비교실험을 위한 모델로는 Auto-Regression(AR)과 Artificial Neural Network(ANN)를 활용하였으며, 에너지경제연구원에서 제공한 2000년부터 2008년까지의 월별 전력수요 데이터를 기반으로 성능을 검증하였다. 비교모델과의 실험 결과, 중요한 변수를 선택한 제안 모델에서 더욱 우수한 성능이 검증되었다.-
dc.language.isokor-
dc.publisherThe Graduate School, Ajou University-
dc.rights아주대학교 논문은 저작권에 의해 보호받습니다.-
dc.title전력수요 예측모델 : 변수 선택 및 추출 기법을 활용한 Support Vector Regression 모델-
dc.title.alternativeHyoungRo Lee-
dc.typeThesis-
dc.contributor.affiliation아주대학교 일반대학원-
dc.contributor.alternativeNameHyoungRo Lee-
dc.contributor.department일반대학원 산업공학과-
dc.date.awarded2012. 2-
dc.description.degreeMaster-
dc.identifier.localId569948-
dc.identifier.urlhttp://dcoll.ajou.ac.kr:9080/dcollection/jsp/common/DcLoOrgPer.jsp?sItemId=000000012392-
dc.subject.keywordArtificial Neural Network-
dc.subject.keywordEnergy-
dc.subject.keywordElectricity Demand Forecasting-
dc.subject.keywordFeatrue Extraction-
dc.subject.keywordVariable Selection-
dc.subject.keywordSupport Vector Regression-
Appears in Collections:
Special Graduate Schools > Graduate School of Science and Technology > Department of Industrial Engineering > 3. Theses(Master)
Files in This Item:
There are no files associated with this item.

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse