표제지
목차
국문요약 9
제1장 서론 11
제2장 연구 배경 및 현황 13
2.1. 전력수요 특성 13
2.1.1. 전력수요와 기온과의 관계 13
2.1.2. 전력수요 패턴의 왜곡현상 15
2.2. 주간 기상예보의 구조 17
2.3. 합성곱 신경망 19
2.3.1. 다층 신경망(MLP: Multi-Layer Perceptron) 19
2.3.2. 활성화 함수(Activation function) 20
2.3.3. 에포크(Epoch)와 배치(Batch) 크기 23
2.3.4. 합성곱 신경망(CNN: Convolution Neural Network) 24
제3장 합성곱 신경망 기반 주간 전력수요예측 알고리즘 29
3.1. 입력 데이터 범위 선정 29
3.2. 데이터 전처리 30
3.3. 합성곱 신경망 기반 주간 전력수요예측 모형 34
3.3.1. M1 주간 전력수요예측 모형 37
3.3.2. M2 주간 전력수요예측 모형 39
3.3.3. M3 주간 전력수요예측 모형 40
제4장 제안한 알고리즘의 성능 비교 및 분석 42
4.1. 주간 전력수요예측 절차 43
4.2. 파라미터 설정 및 최적화 45
4.3. 모델별 실행 결과 및 비교 46
4.3.1. 모델별 실행 결과 및 최적 모델 선정 46
4.3.2. 제안 모델의 주간 전력수요예측 성능 분석 46
제5장 결론 52
참고문헌 53
Abstract 55
표 3.1. 2차원 합성곱 신경망 제안 모델 36
표 4.1. 2020년 주간 전력수요예측을 위한 데이터 분할 44
표 4.2. 2021년 주간 전력수요예측을 위한 데이터 분할 44
표 4.3. 하이퍼 파라미터 요소에 대한 범위 설정 45
표 4.4. 모델별 단층 CNN 모형에 대한 최적 하이퍼 파라미터 탐색 결과 비교 46
표 4.5. 연도별 단층 CNN 모형에 대한 최적 하이퍼 파라미터 조합 47
표 4.6. 연도별 최적의 2차원 합성곱 신경망 층수 47
표 4.7. 2020년에 대한 예측 대상일별 오차율 평균 48
표 4.8. 2021년에 대한 예측 대상일별 오차율 평균 48
표 4.9. 2020년에 대한 요일별 오차율 평균 49
표 4.10. 2021년에 대한 요일별 오차율 평균 49
표 4.11. 2021년 11월 26일~12월 2일에 대한 날씨 정보 50
그림 2.1. 2021년 시간별 전력수요와 전국가중기온의 관계 13
그림 2.2. 2021년 시간별 전력수요와 전국가중기온의 분포도 14
그림 2.3. 캘리포니아주의 연도별 일간 전력수요 패턴 변화 15
그림 2.4. 연도별 전력수요의 주간 시계열 주기성 및 특성 16
그림 2.5. 국내 기상청 날씨누리 홈페이지(글피의 경우) 17
그림 2.6. 국내 기상청 날씨누리 홈페이지(중기의 경우) 18
그림 2.7. 신경세포 구조와 퍼셉트론 19
그림 2.8. 다층 신경망 20
그림 2.9. 시그모이드 함수 그래프 21
그림 2.10. 쌍곡탄젠트 함수 그래프 22
그림 2.11. ReLU 함수 그래프 23
그림 2.12. 훈련 데이터와 배치의 관계 24
그림 2.13. 일반적인 합성곱 신경망 구조 25
그림 2.14. 필터를 이용한 합성곱 연산의 과정 26
그림 2.15. 제로 패딩 이후 필터를 이용한 합성곱 연산의 과정 27
그림 2.16. 풀링 종류에 따른 결과 예시 28
그림 3.1. 예측 대상 주간의 전력수요와 직전 주 전력수요와의 상관관계 29
그림 3.2. 직전 3주에 특수일을 포함한 경우의 주간 전력수요예측 입력 데이터 30
그림 3.3. 직전 3주에 특수일을 포함하지 않은 경우의 주간 전력수요예측 입력 데이터 31
그림 3.4. 특수일 처리 후 주간 전력수요 패턴 32
그림 3.5. 입력 데이터 전처리 알고리즘 33
그림 3.6. 시계열 데이터의 합성곱 신경망 매핑 35
그림 3.7. 제안한 합성곱 신경망 구조 35
그림 3.8. M1의 입출력 구조 37
그림 3.9. M1 모형 구조 38
그림 3.10. M2의 입출력 구조 39
그림 3.11. M2 모형 구조 40
그림 3.12. M3의 입출력 구조 41
그림 4.1. 주간 전력수요예측 절차 43
그림 4.2. 주간 전력수요 실적값과 예측값의 비교 50