함수회귀 모형을 이용한 중장기 부하곡선 예측 = Long-Term Total Load Forecasting using a Functional Regression Model

국문 초록 (Abstract)

본 연구에서는 우리나라 전체의 시간별 수요에 상응하는 총부하(Total Load) 곡선을 예측하는 방법론을 제시한다. 먼저 일별 총부하 곡선을 추세, 기온, 특수일 등과 같이 확정적 요소와 확정적 요소로 설명되지 않는 시간대별 동적 변동을 나타내는 확률적인 요소로 구분하고, 이들을 각각 모형화하여 예측한다. 확정적 요소는 각각의 요인별 효과를 시간대별로 추정하되 각 요인의 효과가 시간에 따라 변동할 수 있는 시간 변동성을 함께 고려하였다. 확률적인 요소를 결정하는 부하곡선의 동적 변동은 함수 주성분 분석(functional principal component analysis, FPCA)을 활용한 함수자기회귀(functional autoregression, FAR) 모형을 이용하여 분석하고 예측하였다. 본 연구에서 제시된 모형으로 365일 동안의 예측실험을 한 결과, 예측된 일별 부하곡선의 평균 절대 백분율 오차(mean absolute percentage error, MAPE)는 약 2% 내외로 안정적으로 나타남을 확인하였다.

다국어 초록 (Multilingual Abstract)

We propose a model for long-term forecasting of the daily total load curve, which represents the hourly total demand in South Korea. In this study, the daily load curve is assumed to be influenced by both deterministic factors--such as trends, temperature, and special days--and probabilistic factors, which account for time-dependent dynamic variations that cannot be explained by deterministic components. The deterministic factors are estimated on an hourly basis, reflecting their time-varying nature. Meanwhile, the dynamic variations in the total load curve, driven by probabilistic factors, are modeled using a functional autoregression estimation methodology. One-year rolling forecasting results demonstrate an average MAPE (Mean Absolute Percentage Error) of 2%, highlighting the robust performance of our proposed methodology.