Mobile QR Code QR CODE : The Transactions of the Korean Institute of Electrical Engineers




Load Pattern Analysis, Load Forecasting, Relative Coefficient, Adjusted Coefficient, Two-Step Procedure

1. 서 론

특수일 전력부하예측을 위한 방법론 및 기법은 여러 방면에서 연구되고 있으며 실제 실무에서도 다양하게 활용되고 있다. 현재 주요한 기법으로는 퍼지(Fuzzy)이론, 상대계수법, 시계열 모형, 인공신경망(Neural Network), 전문가 시스템(Expert System) 등이 있다. 본 논문에서는 다양한 방법론 중 기존 상대계수법을 개선하여 예측할 뿐만 아니라 상대계수법 자체가 가지는 한계점을 고려한 조정계수법을 새롭게 도입하여 특수일 전력부하예측에 활용하였다.

본 논문에서 기존의 상대계수법을 개선하고 상대계수법의 한계점을 극복한 새로운 조정계수법 소개에 초점을 맞춘 이유는 상대계수법이 상대적으로 실무에서 활용하기 쉬우며 계산이 용이하다는 장점이 존재하기 때문이다.

시계열모형으로 사용되는 ARMA나 ARIMA의 모형의 경우 통계적 수학 모델로 복잡한 수학적 모델구조를 요구하거나 다양한 변수들을 반영하기 위해 많은 계산을 요구한다(1). 또한 ANN 역시 모델의 구조 설명이 어렵다는 점(2) 에서 명확한 한계를 가지고 있다.

또 다른 방법론인 전문가 시스템은 컴퓨터 프로그램으로서 전력부하예측과 관련하여 판단하고 설명할 수 있는 능력을 가지고 있으며 새로운 정보를 받아들여 활용할 수 있는 지식 기반 능력을 가지고 있다(8). 이를 통해 지식공학자(knowledge engineer)가 전문가 시스템의 지식기반 요소라는 것을 통해서 해당 분야의 전문가로부터 전력부하 예측과 관련된 지식을 추출하고 얻어 활용할 수 있게 만들어져 있다(8).

즉 전문가 시스템은 실무자의 경험적 근거(heuristic rules)에 의존하여 예측부하를 업데이트하게 된다.(9) 따라서 실무자의 지식이나 경험의 차이에서 발생할 수 있는 오차가 예측오차에 반영될 수 있는 위험이 존재한다.

그렇기 때문에 실무자 입장에서 가장 이해하기 쉽고 직접 활용하기 위한 방법론으로는 상대계수법 만큼 좋은 방법론이 없다.

이러한 상대계수법은 다른 기법과 함께 사용되는 경우도 있다. 예를 들어 퍼지(Fuzzy)이론의 퍼지선형회귀분석을 상대계수법과 결합하여 일종의 하이브리드(hybrid) 모형처럼 활용하기도 한다(3).

하지만 퍼지 선형회귀분석을 활용한 예측값에 상대계수를 곱해 전력부하를 예측하게 되면 이미 상대계수를 곱하는 예측값 자체에 예측오차가 존재하기 때문에 예측오차가 누적되어 예측력을 떨어트릴 위험성이 존재한다. 또한 기존의 상대계수법 역시 기준수요를 정하는데 있어서 명확한 기준이 없는 상태이다.

이러한 기존의 상대계수법이 가지는 한계점뿐만 아니라 특수일 전력부하가 가지는 어려움 역시 존재하기 때문에 이를 정확하게 파악하고 분석할 필요도 있다.

현재 특수일 전력부하가 가지는 가장 큰 문제는 표본(sample)이 부족하다는 것이다. 즉 특수일 중 광복절 전력부하를 예측하기 위해서 10년치의 데이터셋을 구축했다고 가정해도 미래의 광복절을 전망하기 위해 사용될 과거 광복절 데이터는 10개 밖에 존재하지 않게 된다. 만약 빈도(frequency)가 시간대별이라면 240개의 관측치(observation)만 활용할 수 있기 때문에 예측에 어려움이 따를 수 밖에 없다.

또한 개별 특수일은 1년에 1번 있기 때문에 각 특수일 데이터 사이의 기간(interval)이 상당히 길고 아주 오래된 과거 정보를 활용해야 하는 경우도 있다는 점도 중요한 문제이다.

따라서 본 논문에서는 위와 같은 기존의 상대계수법이 가지는 한계점과 특수일 전력부하예측이 가지는 어려움을 반영하여 개선된 상대계수법과 새로운 조정계수법의 방법론을 개발하여 특수일 전력부하를 예측하였다.

우선 본격적으로 본 연구에서 사용한 방법론을 활용하기에 앞서서 선행되어야 할 부분은 예측하고자 하는 요일의 특성을 파악하는 것이다. 이러한 특성은 크게 두 가지로 구분될 수 있다. 첫째로, 평상시의 월-금과 토-일을 각각 평일과 휴일로 보고 이를 일반일 또는 평상일로 정의하여 구분할 수 있다. 반면에 일반일 또는 평상일이 아닌 삼일절, 어린이날, 석가탄신일, 광복절, 성탄절, 등의 공휴일은 일반일이나 평상일이 아닌 특수일로 정의하여 요일의 특성을 파악할 수 있다.

즉, 전력부하예측에서 일반일 또는 평상일과 특수일을 구분하는 것은 무엇보다 중요하다. 특수일의 전력수요곡선은 평상일과 매우 다른 형태를 갖고 있으며 전력수요치가 평상일보다 낮은 것이 일반적이기 때문이다(4). 따라서 이러한 특수일 전력부하 패턴의 특징을 포착하는 것이 예측과정에서 선행 되어져야 한다.

그 이유는 특수일의 경우 일반일과 다르게 전력을 소비하는 패턴이 달라지기 때문이다. 즉, 특수일에는 대부분의 산업체가 쉴 뿐만 아니라 일반적으로 해외여행 또는 외부활동이 많아져 전력을 소비하는 활동이 크게 줄어들기 때문이다.

그러므로 본 논문에서는 이러한 특수일의 특성 및 패턴을 고려하는 분석을 사전 작업으로 실시하였다. 또한 상대계수법과 조정계수법을 구성함에 있어서 캘린더 효과(Calender Effect)를 조정하도록 방법론을 설계하였다.

여기서 말하는 캘린더 효과란 일종의 요일효과로서 미래의 특수일을 예측함에 있어서 과거 동일한 요일의 특수일이 가지는 정보를 사용한다는 의미이다. 이는 같은 특수일에서 요일까지 동일하다면 유사한 전력패턴과 전력부하 수준을 보여준다는 점에서 착안한 것이다.

위와 같은 방법론을 사용해 이뤄지는 예측절차의 순서는 우선 상대계수법을 활용해 특수일의 전력부하를 먼저 예측한 후 발생한 예측오차를 조정계수법을 통해 조정하여 상대계수법을 통한 전력예측치보다 개선된 전력예측치를 도출하는 과정에 있다. 이러한 과정을 본 논문에서는 Two-Step Procedure라고 정의한다.

즉, 첫 번째 과정에서 활용되는 상대계수법의 경우 과거 동일한 요일의 특수일 전력실제치를 사용해서 상대계수를 구하기 때문에 이미 요일효과를 반영했다고 볼 수 있다. 하지만 동일한 요일이라고 해서 기상요인, 경제요인 등이 모두 같다고 볼 수 없기 때문에 상대계수법을 통해 구해진 특수일 전력예측치는 기상요인과 경제요인의 차이로 인한 예측오차를 포함하게 된다.

실제로 선행연구 중 연휴의 전력부하를 예측하기 위해 퍼지선형회귀분석법과 기상요인인 기온을 반영한 지수평활화법의 예측성과를 비교하였는데 기온을 보정한 지수평활화법이 더 좋은 예측력을 나타낸 것으로 나타났다(5).

본 논문에서도 이러한 요인들의 중요성을 인식하여 두 번째 과정으로 조정계수법을 활용하여 상대계수법의 예측오차를 기상요인과 경제요인 등의 함수로 보고 회귀식을 구성하여 구해진 종속변수의 에측값 또는 적합값(fiited value)을 활용하여 조정계수를 구해 기상요인과 경제요인이 조정된 특수일 전력예측치를 도출하게 된다.

따라서 본 논문에서는 우선 선행연구와의 차별점을 소개하고 본 논문의 특징 및 장점을 파악할 수 있도록 하였다. 그 다음으로 사용한 데이터셋을 소개하고 구축된 데이터셋을 바탕으로 대표적인 특수일을 선정하여 개별 특수일의 특성을 설명하였다. 이후 특수일 별 패턴분석을 진행하는데 같은 특수일일지라도 요일이 동일한 경우와 동일하지 않은 경우에 패턴의 차이가 있는지를 알아보았다. 이를 통해 얻어진 결과를 바탕으로 특수일 패턴을 포착하고 예측하는데 있어서 요일이 같은 경우를 선정(요일효과 조정)하는 것이 얼마나 중요한지 알 수 있도록 하였다.

위의 패턴분석이 끝난 후 상대계수법을 실시하여 특수일 전력예측치를 도출하고 MAPE를 통해 예측성과를 파악하였다. 이후 상대계수법이 설명하지 못한 예측오차를 조정계수법을 활용해 조정한 후 조정계수법의 전력예측치를 도출하여 다시 MAPE를 계산해 이전의 상대계수법의 예측성과와 비교하였다.

마지막으로 전력실제치와 상대계수법 전력예측치 그리고 조정계수법 전력예측치의 패턴을 비교하여 실제 MAPE가 낮아진 것처럼(예측성과 개선) 패턴 역시 잘 포착하였는지를 확인해 특수일 전력부하 예측 과정을 마쳤다.

2. 본 론

2.1 선행연구와의 차별점

특수일 전력부하예측을 위한 상대계수는 과거의 특수일 기준수요 대비 과거 특수일의 수요실적을 보는 것이다.(6) 즉 비율을 구하여 전망하고자 하는 특수일 예측에 활용하는 방법론이기 때문에 과거의 수요실적은 고정되어 있다고 볼 때 연구자가 정의해야 할 기준수요가 상대계수 값을 결정짓는 주요한 요인이라고 볼 수 있다.

이러한 기준수요로는 과거 특수일 전주의 평일 중 기상 실적이 비슷한 수요를 기준수요로 정하기도 하며 평일의 전력수요패턴을 예측하여 기준수요로 사용하기도 한다.

하지만 본 연구에서는 기준수요를 특수일 직전 4주의 평균전력부하를 사용함으로써 특수일 직전까지의 정보를 활용할 수 있도록 하였으며 평균값을 사용하여 특수일 전까지 이어져 오던 전력패턴의 흐름을 반영하였다.

뿐만 아니라 예측치가 아닌 실제치를 활용했기 때문에 기준수요를 구하기 위해 또 다른 예측을 할 필요가 없도록 하였다. 이를 통해 실무자는 손쉽게 기준수요를 구해 상대계수를 도출할 수 있으며 기준수요를 예측함으로 인해 발생하는 예측오차 문제를 해결할 수 있다.

또한 캘린더효과인 요일효과를 반영하기 위해 과거 동일한 특수일 중 가장 최근이며 요일이 같은 특수일의 전력부하를 사용해 요일효과를 조정했기 때문에 요일별로 나타나는 패턴으로 인한 예측오차를 최소화하였다.

위와 같은 차별점들은 본 연구에서 제시한 개선된 상대계수법에 관한 것이며 새롭게 제안한 조정계수법의 경우는 요일효과 뿐만 아니라 기상요인과 경제요인 등을 추가로 반영했기 때문에 특수일 전력부하에 영향을 미치는 더 많은 효과들을 반영 및 조정하도록 하였다.

본 논문에서 조정계수법은 3가지의 모형으로 구성된다. 먼저 기상요인으로 기온, 습도, 풍속을 특수일이 속한 계절별로 활용한 모형이 조정계수법1이다. 조정계수법2의 경우 기상요인 뿐만 아니라 각 특수일이 속한 연도의 특성을 반영할 필요가 있기 때문에 연도더미를 추가하여 구성하였다. 마지막으로 조정계수법3의 경우 기상요인과 함께 경제요인을 반영하기 위해 전산업생산지수(IP)를 추가로 활용하였다.

이와 같은 3가지의 조정계수법은 기본적으로 요일효과를 조정한 상대계수법을 바탕으로 하고 각각 기상, 경제, 연도별 특성들의 요인들을 조합하여 구축되기 때문에 상대계수법이 설명하지 못하는 요인들을 반영할 수 있다는 가장 큰 차별점이 존재하며 이와 같은 보완을 통해 상대계수법의 예측오차를 줄일 수 있다는 장점이 있다.

2.2 데이터 및 특수일 별 특성

본 절에서는 구축된 데이터셋을 소개하고 특수일 별 특성을 살펴보고자 한다. 특수일 별 특성 분석에 사용된 변수들은 전력부하와 전국기상데이터 그리고 전산업생산지수(IP)이다. 전력부하와 기상 데이터셋의 경우 한국전력거래소(KPX)로부터 제공받았다. 위 데이터셋의 경우 빈도가 시간대별이며 특히 기상데이터(전국기온, 전국습도, 전국풍속)의 경우 전국 8대 도시의 데이터에 인구가중치를 부여하여 계산된 전국기상데이터이다. 경제변수인 전산업생산지수(IP)의 경우 통계청의 자료를 활용하였으며 빈도는 월별이다.

따라서 본 연구에서는 서로 다른 빈도를 조정하기 위하여 IP(전산업생산지수)를 시간대별로 변환하였다. 다만 선형보간을 하지 않았기 때문에 시간대별로 IP값이 달라지지는 않는다.

이는 IP의 경우 시간대별로 변화한다는 것이 합리적이지 않기 때문이다. 예를 들어 경제변수에 속하는 IP는 가장 고빈도인 자료가 월별자료이며 이를 선형보간을 통해 시간대별로 값이 변화하도록 변환시킨다면 1시간 단위로 전산업생산지수가 변화한다고 추정하는 것인데 이는 엄밀하다고 볼 수는 없기 때문에 주어진 월별 값을 시간대별 값으로 그대로 적용하여 사용하는 것이 적절하다고 판단했기 때문이다. 아래 <표 1>의 경우 KPX와 통계청으로부터 확보한 데이터셋 중 본 논문에서 사용된 변수들을 정리한 것이다.

표 1. 데이터 특징

Table 1. Characteristics of dataset

분류

변수 및 단위

빈도

기간

출처

전력

전력부하

(MW)

시간대별

2000-2018

한국전력거래소

기상

전국기온

(℃)

시간대별

2000-2018

한국전력거래소

전국습도

(%)

시간대별

2000-2018

한국전력거래소

전국풍속

(m/s)

시간대별

2000-2018

한국전력거래소

경제

IP

(전산업생산지수)

월별

2000-2018

통계청

주 1) 전국기온, 전국습도, 전국풍속 변수의 경우 기상청에서 제공하는 8대 도시의 데이터에 KPX에서 사용하는 인구가중치를 부여하여 도출된 데이터임.

표 2. 2000-2018년도 특수일 및 특수일 직전 달의 평균전력부하 비교

Table 2. Comparison of the average load of the month right before the special day and the special day (2000-2018)

특수일

평균전력부하

평균전력부하

(직전 달)

비율

신정

42658

53847

0.792

삼일절

47337

50943

0.929

노동절

(근로자의날)

41872

46347

0.903

어린이날

41896

46347

0.904

석가탄신일

42730

46347

0.922

현충일

44200

45082

0.980

광복절

48756

49875

0.978

성탄절

49573

49871

0.994

위의 <표 2>는 구축된 19년치의 데이터셋을 바탕으로 단일 특수일인 8개의 특수일을 선정하여 특수일 별 19년 기간 동안의 평균전력부하를 도출하고 각 특수일 직전 달의 평균전력부하와의 비율을 보여주고 있다. 여기서 단일 특수일이란 연휴 특수일인 설날이나 추석을 제외한 하루만 쉬는 특수일을 의미한다. 이러한 단일 특수일은 대부분 양력의 특수일로 구성되어 있지만 석가탄신일처럼 음력의 특수일도 존재한다.

평균전력부하를 도출한 기준은 데이터셋의 기간만큼인 2000-2018년 동안 각 개별 특수일의 평균전력부하값을 구하고 마찬가지로 동기간 동안 각 특수일 직전 달의 평균전력부하값을 도출하는 것이다. 이를 통해 일반일에 비해서 특수일이 전력부하가 낮거나 유사하다는 것을 증명하고자 했다.

실제 <표 2>의 결과를 바탕으로 도출된 시사점은 다음과 같다. 우선 2000-2018년의 기간 동안 개별 특수일의 평균전력부하는 각 특수일의 직전 달의 평균전력부하보다 낮은 것으로 나타났다. 이는 특수일이 일반일에 비해서 전력부하 수준이 낮거나 유사한 수준일 것이라는 점을 보여주고 있다. 실제로 신정의 경우 $\dfrac{19년 간의 특수일 평균전력부하}{19년 간의 특수일 직전달의 평균전력부하}$ 의 비율이 0.792로 나타났고 이외의 단일특수일인 삼일절, 석가탄신일, 광복절 그리고 성탄절 등도 마찬가지로 모두 1보다 작은 것으로 나타났다. 다만 성탄절의 경우 평균전력부하와 특수일 직전 달의 평균전력부하가 상당히 유사한 값을 나타내었다.

2.3 특수일 별 패턴분석

앞 절에서는 특수일의 특성을 살펴보는 기초적인 작업을 진행하였고 이번 장에서는 구축된 데이터셋의 기간 중 2010년부터 2018년까지의 기간을 대상으로 특수일 별 패턴을 분석하고자 한다. 대상은 앞서 선정한 대표적인 특수일이며 그 중에서 가장 흥미로운 결과를 보여준 성탄절과 어린이날을 중심으로 살펴보고자 한다. <그림 1><그림 2>에서 보듯이 각각 같은 특수일끼리 패턴을 분석하는 작업을 진행하였으며 개별 특수일의 요일이 동일한 연도로 맞추어 분석을 진행하였다. 그 결과 <그림 1>에서는 2011년과 2016년 성탄절이 일요일로 요일이 동일하였고 실제 전력부하패턴도 상당히 유사한 모습을 보여주었다. 마찬가지로 <그림 2>에서는 2011년과 2016년 어린이날이 목요일로 동일하였고 성탄절의 결과와 마찬가지로 실제전력부하패턴이 유사한 모습을 나타냈다. 이를 통해서 같은 특수일 중에서도 요일이 동일한 경우 전력부하패턴이 상당히 유사한 모습을 보여준다는 것을 알 수 있다.

그림. 1. 2011년과 성탄절(일)과 2016년 성탄절(일) 전력패턴

Fig. 1. Load patterns of Christmas’ day 2011 and 2016

../../Resources/kiee/KIEE.2019.68.12.1523/fig1.png

그림. 2. 2011년 어린이날(목)과 2016년 어린이날(목) 전력패턴

Fig. 2. Load patterns of Children’s day 2011 and 2016

../../Resources/kiee/KIEE.2019.68.12.1523/fig2.png

하지만 위와 같은 사례가 일부라고 생각될 수도 있고 특수일 예측에 있어서 요일효과가 크지 않다고 주장하는 의견(7)도 있기 때문에 같은 특수일이지만 요일이 동일하지 않은 경우도 패턴분석 작업을 진행하였다.

분석의 객관성을 확보하기 위해서 똑같은 성탄절과 어린이날을 대상으로 분석하였고 서로 다른 요일끼리 비교하는 작업을 진행하였다. 그 결과는 아래 <그림 3><그림 4>와 같다.

그림. 3. 2012년 성탄절(화)과 2016년 성탄절(일) 전력패턴

Fig. 3. Load patterns of Christmas’ day 2012 and 2016

../../Resources/kiee/KIEE.2019.68.12.1523/fig3.png

그림. 4. 2013년 어린이날(일)과 2016년 어린이날(목) 전력패턴

Fig. 4. Load patterns of Children’s day 2013 and 2016

../../Resources/kiee/KIEE.2019.68.12.1523/fig4.png

위의 <그림 3>에서 알 수 있듯이 2012년과 2016년은 성탄절이 서로 다른 요일이었는데 전력부하패턴을 살펴보면 요일이 동일한 경우에 비해서 확실히 유사성이 떨어짐을 알 수 있다.

마찬가지로 위의 <그림 4>의 경우에도 2013년과 2016년의 어린이날이 서로 다른 요일이었는데 실제 전력부하패턴도 상당히 다른 것을 알 수 있었다.

이러한 패턴분석 결과들을 종합해 볼 때 캘린더 효과인 요일효과가 상당히 전력부하패턴에 미치는 영향이 큰 것을 알 수 있었고 따라서 특수일 전력부하예측과 실제전력부하패턴을 포착하기 위해서는 동일한 요일을 선정하는 작업이 매우 중요하다는 시사점을 도출할 수 있었다.

2.4 상대계수법

앞서 살펴본 특수일의 특성분석과 패턴분석 결과를 바탕으로 본 절에서는 상대계수를 도출하고 상대계수법을 통한 전력예측치를 도출하는 작업을 진행하였다. 상대계수법에서 상대계수란 미래의 특수일을 예측함에 있어서 과거 동일 특수일을 기준으로 하여 기준수요 대비 실제수요실적의 비율을 의미한다. 따라서 상대계수는 다음과 같이 구성된다.

(1)
$상대계수 =\dfrac{과거 특수일의 실제전력치}{과거 특수일의 기준전력치}$

(2)
\begin{align*} 미래 특수일 전력부하 전망\\ =상대계수\times 미래 특수일 기준수요 \end{align*}

이러한 상대계수법 모형의 예측력은 과거 동일 특수일 중 어느 연도의 특수일을 설정할지와 기준수요를 어떤 기준으로 설정하는지에 달려 있다. 본 논문에서는 과거 동일 특수일 중 가장 최근이며 요일(day)이 같은 특수일을 기준연도로 설정하였다. 기준수요의 경우 특수일 직전 4주의 평균전력실제치 값을 활용하였다.

기준수요로 특수일 직전 4주의 평균전력실제치 값을 활용한 이유는 평일의 전력수요패턴을 추정한 값을 기준수요로 사용하는 경우 그 자체에도 예측오차가 존재하기 때문에 예측력을 떨어트릴 위험이 증가할 수 있기 때문이다.

반면 기준수요로 특수일 직전 4주의 평균전력실제치 값을 활용한다면 기준수요를 선정하기 위해 추가적인 추정모형을 만들어 추정치를 만들 필요가 없다.

또한 실제치 값을 활용하기 때문에 특수일 직전의 전력부하 정보를 최대한 활용할 수 있으며 실무자가 손쉽게 기준수요를 계산하여 상대계수법을 적용한 전력예측치를 도출할 수 있다.

특히 직전 4주를 사용할 경우 직전 1주나 직전 2주의 값을 사용할 때 존재할 수 있는 이상치(Outlier)의 영향을 최대한 상쇄시킬 수 있다는 장점도 존재한다.

다만 직전 4주 중에 다른 특수일이나 이상치가 존재하는 경우 해당 부분을 제외하고 직전 4주의 평균값을 계산하는 것도 대안이 될 수 있는 만큼 향후 연구에서 이러한 부분을 고려하는 것이 필요하다.

이를 바탕으로 본 논문에서 적용한 최종적인 상대계수법 모형은 다음과 같다.

(3)
$상대계수_{t}=\dfrac{기준연도 특수일 전력실제치_{t}}{기준연도 특수일 직전 4주의 평균전력실제치}$

여기서 $t = 1$~24시

(4)
\begin{align*} 미래 특수일의 전력예측치_{t}\\ = 미래 특수일 기준수요\times 상대계수_{t} \end{align*}

여기서, 미래 특수일의 기준수요는 전망연도 특수일 직전 4주의 평균전력실제치$_{t}$

식(3)에서 보듯이 상대계수의 경우 분모에 특수일 직전 4주의 평균전력실제치가 들어가기 때문에 일반일의 전력실제치 값이 들어가는 것이고 분자에는 기준연도 특수일의 전력실제치가 들어가기 때문에 특수일의 전력부하가 들어간 것이다. 따라서 특수일의 전력부하가 일반일의 전력부하보다 낮거나 유사하다는 점에서 상대계수는 1 또는 1보다 작을 것이라 예상할 수 있다. 다만 실제로는 1보다 큰 경우도 존재하였고 상대계수가 1보다 크다고 해서 본 모형을 통해 전력부하를 예측하는 것에는 문제가 없다.

하지만 만약 삼일절, 현충일, 광복절 등처럼 하루만 쉬는 단일 특수일이 아닌 설날연휴나 추석연휴와 같은 연휴 특수일에도 기준수요를 같은 기준으로 선정할지에 대한 의문이 생길 수 있다.

이에 따라서 본 논문에서는 설날연휴와 추석연휴와 같은 공휴일의 경우 기준수요를 정함에 있어서 연휴일수를 추가로 고려하였다. 즉 단일 특수일처럼 과거 동일 특수일 중 가장 최근이며 요일(day)이 같은 특수일을 기준연도로 설정함과 동시에 추가로 연휴일수까지 동일한 경우를 정한 것이다.

다만 특수일의 경우 관측치가 적기 때문에 해당 조건을 모두 만족하는 경우가 없는 경우 전망하고자 하는 설날연휴 또는 추석연휴의 연휴일수에 맞춰서 기준연도의 연휴일수를 조정하여 계산하였다.

따라서 위의 상대계수법 모형을 활용하여 단일 특수일과 연휴 특수일을 대상으로 2010-2018년도 특수일을 예측한 결과는 아래 <표 3>에서 <표 5>와 같다. 예측성과는 표본외 예측을 통해 구해진 결과를 말한다. 또한 아래 <표 3>에서 <표 5>의 MAPE는 9년간의 평균 MAPE 여기서 MAPE는 Mean Absolute percentage prediction error라고 하며 평균절대백분위 예측오차를 의미한다. MAPE를 구하는 식은 다음과 같다.

$MAPE=\dfrac{1}{n}\sum_{t=1}^{n}\left |\dfrac{E_{t}^{A}-E_{t}^{F}}{E_{t}^{A}}\right |\times 100$ 여기서 $E^{F}_{t}$=전력예측치, $E^{A}_{t}$=전력실제치 를 의미한다.

표 3. 2010-2018년도 단일 특수일 예측성과(MAPE)

Table 3. MAPE for special days(2010-2018)

MAPE/

특수일

신정

삼일절

노동절

어린이날

MAPE

4.38

4.34

2.51

2.44

표 4. 2010-2018년도 단일 특수일 예측성과(MAPE)

Table 4. MAPE for special days(2010-2018)

MAPE/

특수일

석가탄신일

현충일

광복절

성탄절

MAPE

4.60

2.04

5.93

4.36

표 5. 2010-2018년도 연휴 특수일 예측성과(MAPE)

Table 5. MAPE for special days(2010-2018)

MAPE/

특수일

설날연휴

추석연휴

MAPE

5.64

5.62

위의 <표 3>에서 <표 5>의 결과에서 알 수 있듯이 8개의 단일 특수일과 2개의 연휴 특수일 모두 전반적으로 양호한 예측성과를 보여주었다.

단일 특수일 중에서 가장 예측성과가 좋은 것은 현충일로 나타났고 예측성과가 가장 낮은 것은 광복절로 나타났다. 반면 연휴 특수일 중에서 가장 예측성과가 좋은 것은 추석연휴로 나타났지만 실제 설날연휴와의 MAPE 격차가 0.02로 나타나 사실상 유사한 예측력을 나타내었다.

이러한 결과를 종합할 때 요일효과를 조정한 상대계수법이 성과가 있다는 것을 알 수 있었다. 다만 MAPE를 더 낮추어 예측력을 높이기 위해서는 상대계수법의 예측오차에 대한 분석이 필요하다. 즉 상대계수법이 반영하지 못한 기상요인이나 경제요인 등을 반영할 수 있는 조정계수를 도입해 예측오차를 개선시킬 필요가 있다.

따라서 본 논문에서는 독자적인 기법인 조정계수법을 활용하여 상대계수법의 예측오차를 설명하고 이를 조정하여 예측력을 개선시키는 연구를 진행하였다.

2.5 조정계수법

앞에서 언급한 것처럼 상대계수법은 상대계수를 구축하기가 편리하고 예측치를 계산하는 과정도 편리하지만 요일효과를 제외하고는 당시의 기상요인이나 경제요인 등을 제대로 반영하지 못한다는 명백한 한계점이 존재한다. 따라서 본 논문에서는 조정계수법을 다음과 같이 제시하고 분석하였다.

우선 본 연구에서 개발한 조정계수법은 상대계수법이 반영하지 못한 기상요인과 경제요인 등을 반영하여 상대계수법의 예측오차를 설명하고 이를 조정하여 반영하는 방법론이다. 즉 전력실제치에서 상대계수법을 통한 전력예측치를 뺀 예측오차($E_{t}- E_{t}^{R}$)를 기상요인과 경제요인 등의 함수로 넣고 계수 추정치를 도출하게 된다. 회귀식은 다음과 같이 구성된다.

(5)
$E_{t}- E_{t}^{R}$ $=$ $f(기상요인,\:경제요인,\:연도별 특성)$

$E_{t}$: 전력실제치, $E_{t}^{R}$: 상대계수법을 통한 전력예측치

이를 통해 추정한 계수값으로 구성된 함수($\hat f$)를 활용하여 상대계수법을 통한 전력예측치를 조정하여 최종적으로 조정계수법을 통한 전력예측치를 도출한다.

(6)
$E_{t}^{A}$ $=$ $E_{t}^{R}+$$\hat f$(기상요인, 경제요인, 연도별 특성)

$E_{t}^{A}$: 조정계수법을 통한 전력예측치,

$E_{t}^{R}$: 상대계수법을 통한 전력예측치

$\hat f$: 추정한 계수값으로 구성된 함수

연도별 특성: 연도더미

다음 과정으로 실제 미래 특수일을 예측할 경우, 상대계수 예측치($\widetilde E_{t}^{R}$)에 (7)식의 과정에서 결정된 계수값과 미래 전제치(기상요인, 경제요인, 연도별 특성)를 활용하여 아래 식과 같은 조정계수 예측치($\widetilde E_{t}^{A}$)를 산출하게 된다.

(7)
$\widetilde E_{t}^{A}$ $=$ $\widetilde E_{t}^{R}+$$\hat f$

본 논문에서는 조정계수법을 총 3가지 모형으로 구축하였다. 또한 조정계수법의 방법론은 단일 특수일과 연휴 특수일에 모두 동일하게 적용되었다. 각 조정계수법 모형에 대한 특징은 아래 <표 6>와 같다.

표 6. 조정계수법 모형에 반영된 요인

Table 6. Factors reflected in the adjusted factor method.

조정계수법

조정계수 활용변수

기상요인

연도별 특성

경제요인

조정계수법1

O

-

-

조정계수법2

O

O

-

조정계수법3

O

-

O

또한 각 특수일이 속한 계절의 특징에 따라 기상요인을 다르게 반영하였는데 그에 대한 설명은 아래 <표 5>와 같다.

표 7. 계절별로 반영된 기상요인 차이

Table 7. Weather Factors by season reflected in the adjusted factor method.

계절

기상요인

전국기온

전국습도

전국풍속

봄, 가을

O

-

-

여름

O

O

-

겨울

O

-

O

위의 <표 7>과 같이 봄과 가을에 속하는 특수일의 경우 기상요인 중 전국기온만 반영하였다. 봄과 가을철의 경우 전력부하에 있어서 습도나 풍속의 요인보다는 기온이 미치는 영향이 클 것이라 보았기 때문이다. 반면에 여름철의 경우 기온이 높아짐에 따라 에어컨이나 선풍기 등 냉방기기를 사용하는 비중이 크게 증가하여 전력부하에도 영향을 주는 만큼 기온과 습도가 큰 영향을 미칠 것으로 보았다. 겨울철의 경우 역시 기온이 낮아짐에 따라 난방기기를 사용하는 비중이 크기 때문에 전력부하에 미치는 영향이 클 것이라 보았고 풍속 역시 겨울철의 기온과 마찬가지로 난방기기 사용 및 외부활동에 영향을 미쳐 전력부하에 영향을 미칠 것으로 판단하였다.

이외에도 한국의 전력수요는 계절이 변화함에 따라서 온도가 전력수요에 미치는 영향이 다르다. 특히 모든 계절에 대해서 기온은 높은 상관관계를 보여주며 불쾌지수와 체감기온도 각각 여름철과 겨울철에 높은 상관관계를 보이는 것으로 나타났다.(10)

여기서 기상청에 따르면 체감기온과 불쾌지수는 다음과 같은 식으로 계산되어 진다.

(8)
$$ \text { $Discomfort$ $Index$ }=\frac{9}{5} T-0.55(1-R H)\left(\frac{9}{5} T-26\right)+32 $$

(9)
$Sensib\le Temperature$ $=13.12+0.6215T-11.37V^{0.16}+0.3965V^{0.16}T$

$T=$ 기온, $RH=$상대습도, $V=$풍속

불쾌지수를 나타내는 식(8)의 경우 기온을 의미하는 T와 상대습도를 나타내는 RH에서 알 수 있듯이 기온과 습도가 불쾌지수를 구성하는 요인이라는 것을 알 수 있다. 반면 체감기온을 나타내는 식(9)의 경우 기온과 함께 풍속을 의미하는 V를 고려하고 있다.

즉 여름철에 전력수요에 영향을 미치는 것으로 알려진 불쾌지수를 조정계수법에 반영하기 위해서는 기온과 습도의 변수를 고려할 필요가 있다는 것을 의미한다. 반면 겨울철의 경우 체감기온이 전력수요에 영향을 미치는 만큼 이를 반영하기 위해 기온과 풍속을 반영할 필요가 있는 것이다

본 연구에서도 계절별로 전력수요에 미치는 기상요인이 다르다는 점과 전력과 기상요인 간의 correlation을 고려하여 조정계수법에 반영될 기상요인을 선정하였다.

이와 같이 조정계수에 활용되는 기상요인은 편차의 차이의 형태로 반영된다. 편차의 차이란 예를 들어 전망연도 특수일 기온편차 $-$ 기준년도 특수일 기온편차를 의미한다. 따라서 다음 같은 식으로 계산되어 진다.

(10)
\begin{align*} (전망연도 특수일 기온 - 직전 4주 평균기온)\\ -(기준연도 특수일 기온 - 직전 4주 평균기온) \end{align*}

따라서 앞서 살펴본 조정계수법 방법론을 실제 어떻게 적용하는지 광복절을 예로 들어 조정계수법1 모형을 구축하면 아래 식의 순서로 이뤄진다.

(11)
$E_{t}= E_{t}^{R}+\epsilon_{t}$

(12)
\begin{align*} E_{t}- E_{t}^{R}\\ =\alpha +\beta_{1}temp_{-}deviation_{t}+\beta_{2}humid_{-}deviation_{t} \end{align*}

(13)
\begin{align*} \hat(E_{t}-E_{t}^{R})\\ =\alpha +\hat\beta_{1}temp_{-}deviation_{t}+\hat\beta_{2}humid_{-}deviation_{t} \end{align*}

(14)
$E_{t}^{R}+\hat(E_{t}-E_{t}^{R})=E_{t}^{A}$

$E_{t}$: 전력실제치, $E_{t}^{R}$: 상대계수법을 통한 전력예측치

$E_{t}^{A}$: 조정계수법을 통한 전력예측치

$\alpha =$ 상수항

$\epsilon_{t}$= 예측오차

$temp_{-}deviation_{t}$= 기온편차의 차이

$humid_{-}deviation_{t}$ = 습도편차의 차이

식(11)에서 식(14)의 과정을 통해 광복절의 조정계수법 예측치를 도출할 수 있게 된다. 만약 표본 외 예측이 아닌 실제 전망을 위해 조정계수법을 사용하기 위해서는 $temp_{-}$$deviation_{t}$와 $humid_{-}deviation_{t}$에 각각 전망치를 활용하여 미리 식(13)의 과정에서 정해진 $\hat\beta_{1}$ 과 $\hat\beta_{2}$ 값을 각각 기온편차의 차이와 습도편차의 차이 전망치에 곱하고 식 (13)의 상수항과 더해서 fitted value(적합값)를 구하여 상대계수법 예측치에 더해주면 실제 조정계수법 전망치가 도출되게 된다.

즉 본 연구에서 구축된 데이터셋 기간을 벗어난 19년의 광복절을 전망하기 위해서는 다음과 같은 과정을 거치게 된다.

(15)
$E_{t}- E_{t}^{R}=\alpha +\beta_{1}temp_{-}deviation_{t}+\beta_{2}humid_{-}deviation_{t}$

(16)
$\hat{(E_{t}-E_{t}^{R})}=\alpha +\hat\beta_{1}temp_{-}deviation_{t}+\hat\beta_{2}humid_{-}deviation_{t}$

$E_{t}$: 광복절 전력실제치, $E_{t}^{R}$: 상대계수법을 통한 광복절

전력예측치

$t =$ 10년 - 18년도

$\alpha =$ 상수항

$temp_{-}deviation_{t}=$기온편차의 차이로 실제치

$humid_{-}deviation_{t}=$ 습도편차의 차이로 실제치

위의 식(16)을 통해 도출된 상수항과 계수값을 각각 기온과 습도의 전망치를 활용하여 아래 식(17)과 같이 fitted value(적합값)을 도출해 조정계수를 구한 후 아래 식(18)과 같이 상대계수법을 통한 19년 광복절 전망치에 더해주면 조정계수법을 활용한 19년도 광복절 전망치가 생성되게 된다.

(17)
$조정계수 =\alpha +\hat\beta_{1}temp_{-}deviation_{t}+\hat\beta_{2}humid_{-}deviation_{t}$

$\alpha =$ 상수항

$t =$ 19년도

$temp_{-}deviation_{t}=$기온편차의 차이로 전망치

$humid_{-}deviation_{t}=$ 습도편차의 차이로 전망치

$E_{19}^{R}+조정계수(f ted value)= E_{19}^{A}$ (18)

$E_{19}^{R}$: 상대계수법을 통한 19년 광복절 전력전망치

$E_{19}^{A}$: 조정계수법을 통한 19년 광복절 전력전망치

마찬가지로 조정계수법2와 조정계수법3 모형 역시 회귀식에 각각 연도더미를 추가하거나 IP편차의 차이를 더해주면 된다.

이를 바탕으로 예측한 조정계수법의 예측성과는 아래 <표 8>과 같다. 예측성과는 <표 3>에서 <표 5>와 마찬가지로 표본 외 예측(Out of sample forecast)을 실시하여 얻어진 MAPE를 통해 예측성과를 비교하였다.

<표8>의 결과에서 알 수 있듯이 단일 특수일 모두 상대계수법에 비해서 조정계수법의 MAPE가 낮아져 예측성과가 개선되는 것으로 나타났다. 특히 이전에 상대계수법의 MAPE가 가장 높아 예측성과가 가장 떨어지는 특수일이었던 광복절의 경우 3개의 조정계수법에서 모두 크게 개선되는 모습을 보여 다른 특수일들과 예측성과가 비슷해지거나 오히려 나아지는 결과를 보여주었다. 이를 통해 상대계수법의 예측오차를 조정하는 조정계수법 방법이 특수일 전력부하예측에 실효성이 있음을 확인하였다.

표 8. 2010-2018년도 단일 특수일 예측성과(MAPE)

Table 8. MAPE for special days(2010-2018)

MAPE

/

특수일

상대계수법

조정계수법1

조정계수법2

조정계수법3

신정

4.38

4.10

3.82

4.07

삼일절

4.34

3.48

2.85

3.48

노동절

2.51

2.49

2.13

2.39

어린이날

2.44

2.41

2.19

2.35

석가탄신일

4.60

4.06

2.38

3.33

현충일

2.04

1.81

1.38

1,75

광복절

5.93

3.03

2.40

2.85

성탄절

4.36

3.28

2.75

3.21

다만 조정계수법 모형들끼리도 서로 예측력이 달랐는데 전반적으로 기상요인과 연도더미를 쓴 조정계수법2의 경우가 예측성과가 가장 좋았으며 그 다음으로 기상요인과 경제요인을 사용한 조정계수법3, 기상요인만 사용한 조정계수법1의 순서로 예측력이 좋은 것으로 나타났다.

하지만 조정계수법2의 경우 본래 연도별 특성으로 연도더미가 포함되었기 때문에 실제 전망에 사용하기에는 부적합하며 조정계수법1과 조정계수법3의 예측력을 평가하는 벤치마크용으로 구축한 것이기 때문에 실제 전망에 활용하고자 할 때는 조정계수법3을 가장 우선적으로 활용하고 그 다음으로 조정계수법1을 활용해야 한다.

표 9. 2010-2018년도 연휴 특수일 예측성과(MAPE)

Table 9. MAPE for special days(2010-2018)

MAPE

/

특수일

상대계수법

조정계수법1

조정계수법2

조정계수법3

설날연휴

5.64

4.43

4.19

4.41

추석연휴

5.62

4.76

4.12

4.71

연휴 특수일의 경우에도 <표 9>에 나타나 있듯이 단일 특수일과 동일하게 조정계수법을 활용할 시 예측력이 개선되는 모습을 나타내었다. 특징적인 부분은 역시 벤치마크용인 조정계수법2가 가장 우수한 예측력을 보였으며 그 다음으로 조정계수법3와 조정계수법1 순으로 예측력이 좋았다. 따라서 연휴 특수일의 경우에도 조정계수법3을 통해 전망한 후 그 차선으로 조정계수법1을 활용하는 것이 적합하다.

2.6 전력실제치와 전력예측치의 패턴 분석

앞 절에서는 상대계수법과 조정계수법을 통해 구해진 예측치를 바탕으로 MAPE를 도출해 각 모형의 예측성과를 비교해 보았다. 하지만 전력부하를 예측함에 있어서 단순히 MAPE만 비교하는 것은 다소 위험하다. 특히 시간대별의 경우 각 시간대별로 과대예측 또는 과소예측할 수 있기 때문에 이러한 전반적인 패턴 역시 함께 살펴보는 것이 매우 중요하다.

먼저 단일 특수일 중에서 가장 좋은 예측력을 보여준 현충일의 경우를 살펴보면 아래 <그림 5><그림 6>에서 보듯이 전반적으로 17년도와 18년도에서 모두 상당히 예측오차가 낮은 모습을 보여주고 있다. 다만 <그림 5>의 17년도의 현충일의 예측치 및 실제치 패턴의 경우 오후 8시부터 다소 실제치와 어긋나는 패턴을 보여주고 있는 것을 알 수 있다.

그림. 5. 2017년도 현충일 예측치 및 실제치 패턴

Fig. 5. Patterns of Forecast and Actual load at Memorial Day In 2017

../../Resources/kiee/KIEE.2019.68.12.1523/fig5.png

그림. 6. 2018년도 현충일 예측치 및 실제치 패턴

Fig. 6. Patterns of Forecast and Actual load at Memorial Day In 2018

../../Resources/kiee/KIEE.2019.68.12.1523/fig6.png

이처럼 단순히 예측오차만 고려하기에는 시간대별로 패턴이 달라지는 경우가 있기 때문에 반드시 예측치 및 실제치의 패턴을 살펴보아야 한다,

반면 상대계수법에서 가장 낮은 예측력을 보여준 광복절의 경우 상대계수법에 비해서 조정계수법의 예측성과가 크게 개선되었는데 이 경우에도 실제로 예측치가 실제치의 패턴 역시 잘 포착하고 있는지를 알아보고자 한다.

이를 위해 가장 최근 연도인 2017년과 2018년을 선정하여 광복절 전력실제치와 상대계수법 및 조정계수법을 통한 전력예측치를 분석했다. 아래의 <그림 7><그림 8>은 각각 2017년과 2018년 광복절의 전력실제치와 전력예측치를 그려놓은 그래프이다.

그림. 7. 2017년도 광복절 예측치 및 실제치 패턴

Fig. 7. Patterns of Forecast and Actual load at National Liberation Day in 2017

../../Resources/kiee/KIEE.2019.68.12.1523/fig7.png

그림. 8. 2018년도 광복절 예측치 및 실제치 패턴

Fig. 8. Patterns of Forecast and Actual load at National Liberation Day in 2018

../../Resources/kiee/KIEE.2019.68.12.1523/fig8.png

<그림 7><그림 8>에서 파란색 점선이 상대계수법을 통한 전력예측치인데 상대계수법이 전력실제치의 시간대별 패턴을 잘 포착한 경우에는 기상요인과 경제요인 등을 반영하여 상대계수법의 예측오차를 조정한 조정계수법을 통해 도출된 전력예측치를 나타내는 빨간색, 초록색, 연두색 점선들이 전력실제치에 근접해지는 것을 볼 수 있었다.

다만 유의할 점은 상대계수법 자체가 전력실제치를 잘 포착하지 못하는 시간대별 패턴의 경우에는 조정계수법을 활용하여도 전력실제치의 패턴을 잡지 못하는 것으로 나타났고 단순히 level shift 정도의 현상만 나타나 상대계수법 전력예측치에서 전력부하수준이 낮거나 높아지는 정도로만 개선되는 것으로 나타났다.

이러한 현상은 연휴 특수일에서도 마찬가지였다. 아래 <그림 9>에서 <그림 12>에서 알 수 있듯이 최근 2개년도인 17년도와 18년도에 대하여 설날연휴와 추석연휴 패턴을 살펴보면 상대계수법이 전력부하실제치의 패턴을 잘 포착하지 못하는 경우에는 조정계수법 역시 level shift 정도의 효과만 나타내는 정도의 개선만 보였다.

반면 상대계수법이 전력실제치의 패턴을 잘 포착하는 경우 조정계수법 역시 훨씬 전력실제치의 패턴과 수준에 근접하는 모습을 보여주었다.

그림. 9. 2017년도 설날 예측치 및 실제치 패턴

Fig. 9. Patterns of Forecast and Actual load at Seollal in 2017

../../Resources/kiee/KIEE.2019.68.12.1523/fig9.png

그림. 10. 2018년도 설날 예측치 및 실제치 패턴

Fig. 10. Patterns of Forecast and Actual load at Seollal in 2018

../../Resources/kiee/KIEE.2019.68.12.1523/fig10.png

그림. 11. 2017년도 추석 예측치 및 실제치 패턴

Fig. 11. Patterns of Forecast and Actual load at Korean thanksgiving day in 2017

../../Resources/kiee/KIEE.2019.68.12.1523/fig11.png

그림. 12. 2018년도 추석 예측치 및 실제치 패턴

Fig. 12. Patterns of Forecast and Actual load at Korean thanksgiving day In 2018

../../Resources/kiee/KIEE.2019.68.12.1523/fig12.png

3. 요약 및 결론

본 논문은 기존의 상대계수법의 단점을 분석하고 이를 개선한 상대계수법 모형을 제시하였다. 또한 이에 그치지 않고 상대계수법 모형 자체가 가지는 한계점을 보완한 새로운 조정계수법 모형도 제시하여 특수일 전력부하예측에 활용하였다.

예측력을 평가하기 위해 2010년에서 2018년을 분석기간으로 정하고 단일 특수일과 연휴 특수일로 나누어 연구를 진행하였다. 단일 특수일의 경우 대표적인 특수일 8개를 선정하였으며 연휴 특수일의 경우 설날 연휴와 추석연휴를 선정하여 MAPE를 도출하고 상대계수법과 조정계수법의 예측력을 비교하였다.

그 결과 단일 특수일과 연휴 특수일 모두 상대계수법에 비해서 조정계수법이 MAPE가 낮아져 예측력이 높아지는 것으로 나타났다. 특히 조정계수법 모형 중에는 기상요인과 연도더미를 쓴 조정계수법2가 가장 예측력이 좋았으며 그 다음으로는 기상요인과 경제요인을 사용한 조정계수법3, 기상요인을 사용한 조정계수법2 순이었다.

하지만 조정계수법2의 경우 연도별 특성으로 연도더미가 반영되어 실제 전망에 활용하기에는 부적합하므로 조정계수법3와 조정계수법1의 순으로 실제 전망에서 조정계수법을 활용해야 한다.

이러한 조정계수법이 실제 실무에서도 활용될 수 있는 이유는 조정계수법의 경우 완전히 별개의 모형이 아닌 상대계수법 예측치의 예측오차를 개선한 방법론이기 때문에 상대계수법이 이뤄진 다음 이뤄지는 2단계 모형이라고 할 수 있다.

따라서 이를 본 연구에서는 Two-Step Procedure로 칭하고 실무자가 상대계수법을 실시한 후 조정계수법을 통해 더 나은 예측치를 도출하여 실제 특수일 전력부하를 예측하는데 활용할 수 있도록 하였다.

실제 본 논문에서 제시한 Two-Step Procedure에서 첫 번째 과정인 상대계수법에서는 캘린더 효과인 요일효과를 반영할 수 있도록 과거 동일 특수일 중 가장 최근이며 요일이 같은 특수일을 과거 특수일 전력부하로 선택하였다. 또한 기준수요 역시 예측값이 아닌 특수일 직전 4주의 평균전력부하를 활용함으로써 기준수요를 위해 또 다른 예측을 할 필요가 없게 되었다.

즉 이 과정을 통해 구해진 상대계수법 예측치는 요일효과를 조정한 것이고 기준수요의 예측오차가 없는 예측치이기 때문에 기존 상대계수법에 비해 개선된 예측성과를 보여준다고 할 수 있다.

하지만 이러한 상대계수법은 기상요인과 경제요인 등을 반영하지 못한다는 명백한 한계점이 존재한다. 따라서 2단계 과정으로 조정계수법을 활용해 상대계수법이 가지는 예측오차를 기상요인과 경제요인 등으로 구성된 회귀식을 바탕으로 설명하여 조정계수를 구하고 이를 상대계수법 예측치에 반영하여 새로운 조정계수법 예측치를 도출해 실무에서 활용할 수 있도록 하였다.

결론적으로 조정계수법은 상대계수법의 단점을 보완했음에도 불구하고 상대계수법의 최대 장점인 계산이 용이하고 쉽게 활용할 수 있다는 장점을 살렸기 때문에 실무에서 가장 쉽게 특수일 전력부하 예측기법으로 활용될 수 있을 것으로 보인다.

4. 본 연구의 한계점

조정계수법의 예측력을 더욱 높이기 위해서는 1차적인 과정인 상대계수법의 예측력을 높이기 위한 추가적인 연구가 필요하다. 특히 상대계수를 구할 때 필요한 기준수요를 본 연구에서 사용한 직전 4주의 평균전력실제치가 아닌 해당하는 특수일과 패턴이 매우 유사한 요일의 전력부하를 사용할 필요도 있어 보인다.

이를 위해 군집분석(clustering analysis)을 통해서 전력부하 수준의 패턴이 유사한 요일들을 군집으로 분류할 수 있을 것으로 기대된다.

만약 1주를 기준으로 패턴이 월, 화-목, 금, 토-일의 4가지 패턴으로 구분될 수 있다면 본 연구에서 기준수요를 정함에 있어서 과거 동일 특수일 중 가장 최근이며 요일이 같은 특수일을 정할 때 적절한 표본이 없는 경우 이를 대안으로 하여 특수일의 요일과 동일한 패턴을 가진 가장 최근의 평일 값을 사용할 수 있게 된다. 따라서 이와 관련된 후속연구가 앞으로 진행되어야 한다.

Acknowledgements

본 연구는 2019년도 한국전력거래소의 지원에 의하여 이루어진 연구로서, 관계부처에 감사드립니다.

References

1 
Y.-K. Ban, C.-H. Lee, 2017, Electric Load Forecasting using Data Preprocessing and Fuzzy Logic System, The Transactions of The Korean Institute of Electrical Engineers, Vol. 66, No. 12, pp. 1751-1758DOI
2 
Y.-K. Bang, J.-S. Shim, 2013, Electric Power Load Forecasting using Fuzzy Prediction System, The Transactions of The Korean Institute of Electrical Engineers, Vol. 62, No. 11, pp. 1590-1597DOI
3 
B.-S., Ku, Y.-S. Baek, K.-B. Song, D.-H. Hong, 2001, Load forecasting for the holidays on Saturday or Monday using a fuzzy linear regression and a rotative coefficient algorithm, in Proceedings of the KIEE Conference, the korean institute of electrical engineers (c), pp. 52-54Google Search
4 
K.-H. Kim, H.-S. Youn, 1998, Development of neural network system for short-term load forecasting for a special day, Institue of Industrial Technology, Vol. 18, No. , pp. 1-6DOI
5 
Si-Yeon Kim., Jong-Hun Lim., Jeong-Do Park., 2013, Short-Term Electric Load Forecasting for the Consecutive Holidays Using the Power Demand Variation Rate, Journal of the Korean Institute of Illuminating and Electrical Installation Engineers, Vol. 27, No. 6, pp. 17-22DOI
6 
Dae-Hoon Ahn., 2005, Daily Load Forecasting Including Special Days Using Hourly Relative Factors, Journal of the Korean Institute of Illuminating and Electrical Installation Engineers, Vol. 19, No. 5, pp. 94-102DOI
7 
Cherl-Hyun, Kim, 2013, Study on within-week and within-day seasonal patterns of electricity demand in Korea, Korea Energy Economics Institute Research papers, Vol. 13, No. 03, pp. 1-73Google Search
8 
Hesham-K, Alfares, Mohammad, Nazeeruddin, 2002, Electric load forecasting: literature survey and classification of methods, International journal of systems science, Vol. 33, No. 1, pp. 23-34DOI
9 
Yuan-Yih, Hsu, Kun-Long, HO, 1992, Fuzzy expert systems: an application to short-term load forecasting, In IEE Proceedings C (Generation, Transmission and Distribution), Vol. 139, No. 6, pp. 471-477Google Search
10 
Byeong-Chan Oh, Sung-Yul Kim, 2019, Development of SVR based Short-term Load Forecasting Algorithm, THE TRANSACTION OF THE KOREAN INSTITUTE OF ELECTRICAL ENGINEERS P, Vol. 68, No. 2, pp. 95-99Google Search

저자소개

남영진 (Young-Jin Nam)
../../Resources/kiee/KIEE.2019.68.12.1523/au1.png

He received his B.A. degree in Economics from Hanyang University in 2018.

Currently He is pursuing an M.A. degree at Yonsei University, Seoul, Korea.

His research interests are Artificial Neural Network, Machine learning and load forecasting.

E-mail:qpxk60@yonsei.ac.kr

조하현 (Ha-Hyun Jo)
../../Resources/kiee/KIEE.2019.68.12.1523/au2.png

He received his B.A. and M.A. degrees in Economics from Yonsei University in 1979 and 1981, respectively.

He received his Ph.D. degree in Economics from University of Chicago in 1987.

Currently He is a Professor in Economics at Yonsei University, Seoul, Korea.

His research interests are Macroeconomics, Business Cycle and Energy Economics.

E-mail:hahyunjo@hanmail.net