겨울철 열수요의 관성과 가수요를 고려한 열수요 예측 선형회귀모형 개발 (Forecasting of Heat Demand in Winter Considering Inertia and Speculative Demand Using a Linear Regression Model)

서지정보

· 발행기관 : 한국상품학회
· 수록지 정보 : 상품학연구 / 30권 / 2호 / 117 ~ 123페이지
· 저자명 : 백종관, 한정희

초록

연구에서는 겨울철 일일 온수 수요 총량을 예측하는 선형회귀모형(linear regression model)을 개발한다. 한국지역난방공사에서는 아파트, 상가 및 사무용 빌딩 등에 난방 및 급탕용 온수를 공급하기 위해 보일러 및 열병합 발전기를 가동하여 온수를 생산한다. 생산된 온수를 장기간 보관하거나 긴급 생산을 실시하면 많은 비용이 소요되므로 일일 온수 수요를 정확히 예측해야 경제적인 온수 생산계획을 수립할 수 있다. 겨울철 난방용 온수 수요는 분석 대상 지역의 외기온도 및 최근의 온수 공급량을 참고로 온수 수요를 비교적 정확히 예측할 수 있는 것으로 알려져 있으나, 본 연구에서는 예측일 하루 전날 외기온도와 예측일의 외기온도 변화량이 일정 수준 이상일 경우 겨울철 온수 사용량에 특이한 패턴이 존재함을 확인하였다. 따라서, 본 연구에서는 외기온도와 예측일 하루 전날 온수 공급 실적과 함께 예측일의 외기온도 변화량을 동시에 고려한 겨울철 일일 온수 수요 총량을 예측하는 선형회귀모형을 개발하고, 2006 ∼2009년도 한국지역난방공사 강남지사의 온수 공급 실적과 기상청의 기상정보를 이용하여 제안하는 예측모형의 오차율을 평가한다. 2006∼2009년 자료를 분석한 결과, 본 연구에서 제안하는 예측모형은 기존 예측모형과 비교할 때 겨울철 일일 열수요 예측 오차율을 .16%∼ .46% 가량 낮춤을 확인하였다.

영어초록

In this paper, we propose a linear regression model that forecasts the demand of heated water in winter. To supply heated water to apartments, stores and office buildings, Korea District Heating Corp.(KDHC) operates boilers including electric power generators Maintaining the stock of heated water and generating hot water urgently to meet the demand require large cost. Thus, forecasting the daily demand of heated water with accuracy is essential for economic operational planning. Besides the temperature of the day in consideration and the supply record of heated water on the previous day, in this paper we found that the temperature change over a certain level influences on the daily demand of heated water in winter. Thus, we propose a linear regression model considering all of temperature, supply on a previous day and temperature change level to forecast daily demand of heated water in winter, and evaluate the accuracy of the proposed forecasting model using the data of Kangnam Branch, KDHC(Korea District Heating Corp.) from 2006 through 2009. Analysis result reveals that the proposed regression model provides higher forecasting accuracy than the previous model in the literature reducing the mean absolute percentage error by .16%∼ .46%.

참고자료

· 없음