한국 최대 전력량 예측을 위한 통계모형

윤상후,이영생,박정수,Yoon, Sang-Hoo,Lee, Young-Saeng,Park, Jeong-Soo 한국통계학회 2009 Communications for statistical applications and me Vol.16 No.1

It is necessary to forecast the amount of the maximum electricity demand for stabilizing the flow of electricity. The time series data was collected from the Korea Energy Research between January 2000 and December 2006. The data showed that they had a strong linear trend and seasonal change. Winters seasonal model, ARMA model were used to examine it. Root mean squared prediction error and mean absolute percentage prediction error were a criteria to select the best model. In addition, a nonstationary generalized extreme value distribution with explanatory variables was fitted to forecast the maximum electricity. 한국의 경제규모가 꾸준히 커감에 따라 가정, 건물, 공장 등에서 필요로 하는 전력량이 지속적으로 증가하고 있다. 전력공급의 안정화를 위해서는 최대전력량보다 전력공급능력이 높아야 한다. 월별 최대전력량을 잘 설명할 수 있는 통계모형을 찾기 위해 Winters 모형, 분해 시계열모형, ARMA 모형, 설명 변수를 통해 추세성분과 계절성분을 교정한 모형을 살펴보았다. 모형의 예측력 비교 기준으로 모형적합으로부터 구한 RMSE와 MAPE가 사용되었다. 여름철 최대전력량을 예측하기 위해 평균기온과 열대야 일수를 설명 변수로 갖는 시계열 모형이 가장 우수하였다. 아울러 외부요인을 갖는 극단분포 모형을 이용한 분석을 시도하였다.

공분산분석 모형에서의 변수선택 정리

윤상후,박정수,Yoon, Sang-Hoo,Park, Jeong-Soo 한국통계학회 2008 Communications for statistical applications and me Vol.15 No.3

회귀모형에서의 변수선택에 관한 정리를 공분산분석 모형으로 확장하였다. 공분산분석 모형에서 몇개의 회귀변수를 제거한 축소모형을 세우는 경우에 추정량의 변화를 알아본 결과, 회귀계수 뿐만아니라 분산분석계수도 추정량의 편차는 증가하지만 분산은 감소하며, 어떤 경우에는 평균제곱오차도 감소한다는 결론을 얻었다. Variable selection theorem in the linear regression model is extended to the analysis of covariance model. When some of regression variables are omitted from the model, it reduces the variance of the estimators but introduces bias. Thus an appropriate balance between a biased model and one with large variances is recommended.

시간단위 전력수요자료의 함수적 군집분석: 사례연구

윤상후,최영진,Yoon, Sanghoo,Choi, Youngjean 한국데이터정보과학회 2015 한국데이터정보과학회지 Vol.26 No.4

전력시스템의 안정적이고 효과적인 운영을 위해선 전력수요예측이 필요하다. 본 연구에서는 일별전력수요패턴의 시간에 따른 커브를 군집분석 하려고 한다. 2009년 1월 1일부터 2011년 12월 31일까지의 일별 시간단위 전력수요 자료는 추세성분 제거와 로그변환을 통해 계절성분과 오차성분으로 구성된 시계열자료로 변환되었다. 변환된 자료는 Ma 등 (2006)이 제안한 함수적 군집모형을 사용하여 분석되었고, 모수는 EM알고리즘과 일반화교차검정을 통해 추정되었다. 군집의 수는 휴일과 평일을 잘 분류하는 10개로 결정하였다. 분석결과 월요일, 평일 (화요일~금요일), 토요일, 일요일 또는 공휴일과 계절요인으로 전력수요 평균곡선이 설명된다. 함수적 군집분석을 통한 전력수요패턴의 과학적인 분류는 향후 단기전력수요예측에 활용된다. It is necessary to forecast the electricity demand for reliable and effective operation of the power system. In this study, we try to categorize a functional data, the mean curve in accordance with the time of daily power demand pattern. The data were collected between January 1, 2009 and December 31, 2011. And it were converted to time series data consisting of seasonal components and error component through log transformation and removing trend. Functional clustering by Ma et al. (2006) are applied and parameters are estimated using EM algorithm and generalized cross validation. The number of clusters is determined by classifying holidays or weekdays. Monday, weekday (Tuesday to Friday), Saturday, Sunday or holiday and season are described the mean curve of daily power demand pattern.

B.3 : 통계적 품질관리 : B.3.1 ; 공간선형모형에서 최적예측을 위한 모형선택방법

윤상후,박정수 한국품질경영학회 2011 한국품질경영학회 학술대회 Vol.2011 No.1

There are some differences between physical experiments and computer experiments since responses are obtained by code in computer experiments. The codes are computationally very expensive to run. The model in our approach is to assume that the computer responses are a realization of a random function (Gaussian Processes) superimposed on a spatial regression model as considered by Sacks, Welch, Mitchell and Wynn (1989). The use of this random function model provides a way to make statistical inferences in applications. This study deals with the selection of the best prediction model among many possible spatial regression models for computer experiments, Parameters of regression term and covariance are estimated by maximum likelihood using numerical optimization. A Forward selection and other algorithms are described with validating simulation.

통계적모형을 통한 고해상도 일별 평균기온 산정

윤상후,Yoon, Sanghoo 한국데이터정보과학회 2016 한국데이터정보과학회지 Vol.27 No.5

고해상도 격자 단위 기후정보는 농업, 관광학, 생태학, 질병학 등 다양한 분야의 현상을 설명하는 중요 요인이다. 고해상도 기후정보는 동적 모형과 통계적 모형을 통해 얻을 수 있다. 통계적 모형은 동적 모형에 비해 계산 시간이 저렴하여 시공간 해상도가 높은 기후자료 생성에 주로 이용한다. 본 연구에서는 2003년부터 2012년까지 1월에 관측된 일 평균기온자료를 토대로 통계적 모형의 일 평균 기온을 생성하였다. 통계적 모형으로 선형모형을 기반으로한 일반선형모형, 일반화가법모형, 공간선형모형, 베이지안공간선형모형을 고려하였다. 예측성능평가를 위해 60개소의 지상관측소에서 관측된 일 평균기온을 모형적합 자료로 사용하여 352개소의 자동기상관측의 일 평균기온을 검증하였다. 평균제곱오차와 상관계수를 보면 베이지안공간모형의 예측성능이 다른 모형에 비해 상대적으로 우수하였다. 최종적으로 $1km{\times}1km$ 격자 단위 일 평균기온 지도를 생성하였다. Climate information of the high resolution grid units is an important factor to explain the phenomenon in a variety of research field. Statistical linear interpolation models are computationally inexpensive and applicable to any climate data compared to the dynamic simulation method at regional scales. In this paper, we considered four different linear-based statistical interpolation models: general linear model, generalized additive model, spatial linear regression model, and Bayesian spatial linear regression model. The climate variable of interest was the daily mean temperature, where the spatial variability was explained using geographic terrain information: latitude, longitude, elevation. The data were collected by weather stations in January from 2003 and 2012. In the sense of RMSE and correlation coefficient, Bayesian spatial linear regression model showed better performance in reflecting the spatial pattern compared to the other models.

통계적 보간법을 이용한 일별 상세 기온추정

윤상후,임아영,신이레,최영진 한국기상학회 2015 한국기상학회 학술대회 논문집 Vol.2015 No.10

Spatio-temporal models for generating a map of high resolution NO2 level

윤상후,김민규 한국데이터정보과학회 2016 한국데이터정보과학회지 Vol.27 No.3

Recent times have seen an exponential increase in the amount of spatial data, which is in many cases associated with temporal data. Recent advances in computer technology and computation of hierarchical Bayesian models have enabled to analyze complex spatio-temporal data. Our work aims at modeling data of daily average nitrogen dioxide (NO2) levels obtained from 25 air monitoring sites in Seoul between 2003 and 2010. We considered an independent Gaussian process model and an auto-regressive model and carried out estimation within a hierarchical Bayesian framework with Markov chain Monte Carlo techniques. A Gaussian predictive process approximation has shown the better prediction performance rather than a Hierarchical auto-regressive model for the illustrative NO2 concentration levels at any unmonitored location.

기계학습을 이용한 겨울철 노면온도 예측

윤상후,김대성,남형구,김백조 한국자료분석학회 2021 한국자료분석학회 학술대회자료집 Vol.2021 No.1

통계적 돌발홍수지수 산정에 관한 연구

윤상후,최수민,이병주,최영진 한국방재학회 2015 한국방재학회논문집 Vol.15 No.6

Flash flood prevention system is necessary because local torrential heavy rain during short time causes the damage of human life and property. This study is dealt with the assessment of flash flood based on the reported flash flood casualty accident data between 2009 and 2012, and hydrometeorologic information generated by land surface model (TOPLATS). The past six hour data of soil moisture condition, surface runoff amount, rainfall amount from high potential flash flood time are reconstructed by factor analysis. A flash flood index is developed through a linear regression model and a linear combination of weighted hydrometeorological factors. The flash flood index is sensitive to short-term hydrometeorologic outputs and the frequency of flash flood alarm is minimized through optimization. 국지성 집중호우는 인명 및 재산 피해를 야기하므로 이를 대비한 방재시스템이 필요하다. 본 연구는 2009년부터 2012년까지 수도권에서 보고된 돌발홍수 인명피해 사고 자료와 분포형 지표해석모형인 TOPLATS 모형에서 생성된 수문기상정보를 토대로 돌발홍수 위험성을 정량적으로 평가하고자 한다. 돌발홍수 상황은 돌발홍수 피해시점을 기준으로 과거 6시간의 토양수분상태, 지표유출량, 강우량 자료는 요인분석을 통해 재구성되었다. 돌발홍수지수는 수문기상 요인의 선형회귀모형과 가중선형결합을 통해 개발되었다. 개발된 돌발홍수지수는 단기간의 기상정보에 민감하게 반응하고 최적 가중치 선정을 통해 예경보를 최소화하도록 설정되어있다.

베이지안 시공간모형을 이용한 농업기상 결측치 보정방법

윤상후,박다인 한국기상학회 2017 한국기상학회 학술대회 논문집 Vol.2017 No.10