딥러닝을 이용한 재실정보 기반 건물의 전기 수요 예측 모델

초록

본 연구에서는 예측제어를 위한 운전계획 수립을 위해 전기 수요 예측을 딥러닝 모델을 이용하여 수행하는방법을 제안하였다. 학습을 위해 사용된 입력데이터는 시각, 기저부하, 재실정보로 비교적 단순한 데이터만을사용하였고, 연구의 실효성을 높이기 위해 실제 건물에서 측정한 전력 데이터를 이용하였다. 학습은 딥러닝 LSTM 알고리즘을 사용해 진행되었으며, LSTM은 구성되는 레이어 개수를 단층과 다층으로설계해 두 케이스의 학습과 예측 정확도를 실제 데이터와 비교하여 모델을 평가하였다. 과거 20일 동안 학습한데이터를 통해 다음날의 전기에너지 사용량을 예측하는 방법으로 14일 동안 진행되었으며, 본 연구에서 제안된LSTM 모델은 모두 MBE가 0%에 가까운 높은 학습성능을 보였다. 예측성능에서는 각각 CVRMSE 23%(다층LSTM), 26%(단층 LSTM) 수준을 보였다. 상대오차가 60% 이상 발생하는 회수도 단층 LSTM이 40시간, 다층LSTM 모델이 28시간으로 심층 LSTM 모델이 예측모델로 더 우수한 성능을 보였다. 대부분의 오차는 20% 이하에서 발생하여 운전계획 수립을 위한 수요 예측모델로써 의미 있는 결과를 제공하였다. 다만 본 연구의 결과는재실정보 기반 전기 에너지 사용량 예측 모델을 개발하는 기초단계 연구로 사용된 재실 정보가 전기 사용량을기준으로 추정되었는데, 실증을 고려한 향후 연구에서는 센서 및 사용자 개입을 통해 측정데이터의 정확성이확보되어야 한다. 본 연구의 결과는 실제 측정된 전기 사용 데이터를 활용해 신뢰할 수 있는 수준의 다음날 전기에너지 수요를예측을 할 수 있었다. 향후 다양한 종류의 데이터 수집이 어려운 주거건물 단일세대의 시스템 운전계획용으로이용될 수 있을 거라 기대한다.

키워드