예측율 제고를 위하여 계절별 상이모델로 구성한 혼합형 열수요 예측 신경망 모델 = A Model of a Mixed Heat Demand Prediction Neural Network with Seasonal Different Models for Improving Predictive Ratios

국문 초록 (Abstract)

본 연구에서는 기존 열수요 예측 시스템이 공휴일과 같은 특정 일자의 열수요 예측율이 저하되는 문제점을 개선하기 위해 새로운 모델을 제안한다. 제안된 모델은 사계절 혼합형 신경망 모델(Four Season Mixed Heat Demand Prediction Neural Network Model)로서 열수요 예측율 상승하였고, 특히 예측일 유형별(평일/주말/공휴일) 예측율이 개선된 결과를 나타내었다. 특정 계절에 예측일 유형별로 고른 오차를 갖는 모델을 선정하여 전체 예측 모델을 구성한다. 학습 시간의 단축과 과도학습을 방지하기 위해 구조적으로 단순화된 서로 다른 4개의모델을 각각 학습한 후에 다양한 조합을 통해 최적의 예측 오차를 보여주는 모델을 선정하였다. 모델의 출력은예측일의 24시간의 시간대별 열수요이며 총합은 일일 총열수요이다. 이 예측값을 통해 효율적인 열공급 계획을수립 할 수 있으며, 목적에 따라 출력값을 선택하여 활용할 수 있다. 제안된 모델의 일일 열 총수요 예측의 경우, 전체 MAPE(Mean Absolute Percentage Error, 평균 절대 비율 오차)가 개별 모델의 5.3~6.1%에서 5.2%로 향상되었고, 공휴일 열수요예측은 4.9~7.9%에서 2.9%로 개선되었다. 본 연구에서 사용된 데이터는 한국 지역난방공사에서 제공한 특정 아파트 단지의 34개월 분량의(2015년 1월~ 2017년 10월) 시간단위 열수요 데이터를 활용하였다.

참고문헌 (Reference)

1 백종관, "한국지역난방공사의 겨울철 열수요 예측을 위한 선형회귀모형 개발" 한국산학기술학회 12 (12): 1488-1494, 2011

2 서병선, "지역난방 열에너지 수요예측" 재단법인 에너지경제연구원 11 (11): 27-55, 2012

3 송기범, "지역 난방을 위한 열 수요예측" 대한산업공학회 24 (24): 373-378, 2011

4 Eriksson, Niclas, "Predicting demand in districtheating systems: A neural network approach" Uppsala University Publications 43-, 2012

5 Krzysztof Wojdyga, "Predicting Heat Demand for a District Heating Systems" 3 (3): 237-244, 2014

6 Magnus Dahl, "Improving Short-Term Heat Load Forecasts with Calendar and Holiday Data" 11 (11): 1-16, 2018

7 Etienne Saloux, "Forecasting District Heating Demand Using Machine Learning Algorithms" 149 : 59-68, 2018

8 Vincent Bakker, "Domestic Heat Demand Prediction Using Neural Networks" 189-194, 2008