메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
이창용 (공주대학교) 김진호 (공주대학교)
저널정보
한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제19권 제3호
발행연도
2017.6
수록면
1,349 - 1,362 (14page)
DOI
https://doi.org/10.37727/jkdas.2017.19.3.1349

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
전력소모의 효율적인 조절을 위해서는 전기 에너지와 가스 에너지의 교차 사용이 필요하다는 가정 하에, 본 논문에서는 시계열 데이터 분석을 통하여 전기 에너지 수요를 예측하는 모형 및 방법에 대한 연구를 수행하였다. 이를 위하여 A 테크노파크에서 사용한 전력 사용량 시계열 데이터를 ARIMA 모형에 적용하였는데, 고려한 시계열 데이터는 하루 정도의 주기성을 나타내었고 ARIMA(0, 1, 1)과 ARIMA(1, 0, 1) 모형이 적절함을 밝혔다. 위 두 모형을 대한 모수를 최대우도법을 사용하여 추정하였으며, 비록 추정한 모수의 값은 선택한 표본에 따라 다르나 선택한 두 모형은 표본에 무관하게 적용됨을 보였다. 또한 모수의 추정 과정에서 ARIMA(0, 1, 1) 모형이 ARIMA(1, 0, 1)에 비하여 근소하게 우수함을 AIC 측도와 우도함수를 통하여 입증하였으며, 표본 데이터에 대하여 잔차 해석과 Ljung-Box 검정을 수행하여 선택된 모형의 적합성을 보였다. 확정된 모형을 약 2.5시간 정도의 시차에 대한 전력사용량 예측에 적용하였으며, 예측한 전력사용량의 평균상대오차와 평균제곱오차는 각각 2-5% 그리고 1-3kWh 임을 보였다. 또한 예측 오차 측면에서 볼 때 ARIMA(0, 1, 1) 모형이 ARIMA(1, 0, 1)에 비하여 적은 오차를 보였다. 본 연구의 결과는 전기와 가스 에너지의 교차 적용이 필요한 에너지 관리 시스템 연구에 적용될 수 있다.
#전력 소모 #ARIMA 모형 #시계열 데이터 #예측 #상관 함수. #Electric power consumption #ARIMA model #Time series #Forecast #Auto-correlation function.

목차

등록된 정보가 없습니다.

참고문헌 (25)

참고문헌 신청
안병훈 / 2015 / 계절 ARIMA 모형을 이용한 국내 지역별 전력사용량 중장기수요예측 / 한국산학기술학회논문지 16(12):8576~8584 dbpia Anderson, R. / 1942 / Distribution of the serial correlation coefficients / Annual of Mathematical Statistics 13:1~13 google schola Box, G. / 2008 / Time Series Analysis: Forecasting and Control / Wiley google schola Box, G. / 1970 / Distribution of residual autocorrelations in autoregressive-integrated moving average time series models / Journal of American Statistical Association 65:1509~1526 google schola 최한용 / 2015 / 다변량 시계열분석을 활용한 정보보호 자료 예측 / Journal of The Korean Data Analysis Society 17(3):1309~1318 dbpia

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0