earticle

영어

Smart grid is a new paradigm that enables two-way communication between electricity suppliers and consumers. Existing methods are largely weak when it comes to modeling nonlinear power demand patterns, as they are only useful for handling short-term dependencies. Additionally, because existing methods are purely based on historical data, they are static in nature and contain a significant amount of outliers such as smart meter malfunctions and noise, so their prediction performance is very poor. Accordingly, in this study, we start with two basic models, one is a regression learning model that is representative of parametric statistics and the other is a KNN learning model that can be considered a typical non-parametric statistical approach. In the case of time series data such as smart meter data, we start with the independence of sample data. Considering this aspect, the performance of KNN learning, which is a non-parametric approach, is confirmed by the experimental results of this study

한국어

스마트 그리드는 전기 공급 업체와 소비자 간의 양방향 통신을 가능하게 하는 새로운 패러다임이다. 기존 방법은 단기 의존성을 처리하는 데만 유용하기 때문에 비선형 전력 수요 패턴의 모델링과 관련해서는 상당 부분 취약하다. 또한 기존 방법은 순전히 기록 데이터 기반이기 때문에 특성상 정적이고 스마트 미터기 오작동, 잡음과 같은 이상값이 상당 부분 포함되어 있어서 예측 성능이 매우 미흡하다. 이에 본 연구에서는 두 가지 기본 모델로서 하나는 모수 통계의 대표 적인 회귀 학습 모델과 다른 하나는 전형적인 비모수 통계적 접근이라 할 수 있는 KNN 학습 모델로 시작해서 스마트 미터 데이터와 같은 시계열 데이터의 경우에 샘플 데이터의 독립성이라는 측면을 고려하면, 오히려 비모수적 접근 방식 인 KNN 학습에 의한 성능이 본 연구의 실험 결과 확인된다.