국내 전력 수급량의 수요량을 각종 시계열 분석을 통해 수요예측하는 방법

소개글

수요예측에 필요한 각종 시계열 분석을 연습한 레포트 입니다.
수요예측에 사용되는 이동평균법, 지수평활법, 분할법으로 각각 수요예측하였으며,
수요예측 사례 및 연습, 적용한 레포트로 적합한 자료입니다.

목차

1. 목적 및 의의
1-1. 기초 자료 분석 (Raw data)
(1) 국내 전력 소비량 (1998-2007)
(2)분기별로 재정리한 국내 전력 소비량
(3)특성분석
(4)차트

2. 수요 예측 (Demand forecasting)
2-1. 이동 평균법 (Moving average)
(1) MA(1), MA(2), MA(3), MA(4)의 도출
(2) 예측 결과표
(3) MA(1) 모형과 실제 전력 소비량의 비교

2-2. 지수 평활법 (Exponential smoothing)
(1) 0.95, 0.90, 0.70 모형
(2) 0.50, 0.30, 0.10, 0.05 모형
(3) 예측결과표
(4) a=0.05 모형 지수 평활법과 실제 전력소비량 비교

2-3. 분할법 (Binary search)
(1) 시계열 요소의 분할 - 산출한 (TC), (SR) 요인
(2) 시계열 요소의 분할 - 회귀 방정식
(3) 시계열 요소의 분할 - T와 C의 분리
(4) 시계열 요소의 분할 - 분기별로 재조정한 (SR)
(5) 시계열 요소의 분할 - 조정평균과 계절지수(S)
(6) 시계열 요소의 분할 - 무작위 요인(R)
(7) 시계열 요소 T, S, C, R을 이용한 예측
(8) 분할법 예측오차
(9) 분할법으로 도출한 예측치 차트

3. 예측 방법의 정확성 및 분석 결과

4. Reference

본문내용

1. 목적 및 의의
춥게 생활하게 될 것이므로 전력수급부족을 사전에 예방하는 것은 매우 중요하다. 전력시장의 공정하고 투명한 운영과 전력계통의 안정적이고 효율적인 운영을 하기 위해서는 정확도 높은 전력 수요 예측을 통한 정확도 높은 분석을 토대로 한 수요관리가 필요하다계획을 전담하고 있는 한국 전력 거래소 (KPX)에서 수집한 기초자료를 바탕으로 1998년에서 2007년까지의 전력수급 량을 분석해 보고 이를 여러 요예측을 하려 한다.아래에 그 기초자료가 있다.
1-1 기초 자료 분석 (Raw data)
(1) 국내 전력 소비량 (1998~2007년)
출처 : 경영자료분석 (황승준/김상수 저) Chapter 08 수요예측 사례연구
위 자료를, 분석하기 용이하도록 분기별로 재정리 하면,
(2) 분기별로 재정리한 국내 전력 소비량
위의 자료를 토대로 데이터 분석을 실시한 결과, 아래와 같은 특성을 관찰할 수 있다.

<중 략>

예측오차에 의해 각각의 분석모형들을 비교한 결과, 분할 법, 지수 평활법, 이동평균법 순으로 예측 능력이 뛰어남을 볼 수 있다. 분할 법은 예측오차가 1,158.10이고, 상대오차 비율이 2.75%로써 앞선 두 가지 방법보다 이 국내 전력소모량 데이터 분석에서 우수한 방법이라고 할 수 있다. 그렇지만 다른 방법과 달리 분할 법은 그 사용을 위해 여러 단계를 거쳐야 했다. 먼저 T값을 계산하기 위해 각 시계열 요소들을 두 개씩 분할해 나가야 했고, 추출한 추세선 T값에 대해 해당하는 계절적 요인을 곱하고, 그 다음에 해당하는 싸이클 요인을 곱해야 했다. 여기에 만약 특정요인이 있었다면 무작위요인의 값을 임의로 설정해서 곱하여 예측을 해야 했을 것이다. 생각했을 때는 단순히 여름엔 더워서 에어컨 많이 켜니까 소비량이 높긴 할 것이고, 겨울엔 난방에 전력을 많이 쓸 테니 겨울에도 여름 못지않게 높을 것이다 생각했었는데, 의외로 3분기 외에는 소비량이 크게 증가하는 추세는 보이지 않았다.
이 다른 분석법에 비해 압도적으로 정확한 예측을 보여준 이유는 전력의 소비량이 계절에 의해 영향을 많이 받기 때문이라고 생각한다. 전기는 만들어 놓고 저장하는 ‘재고’의 개념이 없기 때문에 수요예측을 토대로 한 전력생산계획을 세우는 것이 매우 중요하다. 최근에는 이런 계절성이 매우 뚜렷한 관계로 기상청의 기후변화 시나리오를 토대로 ‘기후변화에 따른 미래 전력 수요 예측’ 자료를 발표하기도 했다.

참고 자료

없음