한국인터넷정보학회 논문지
Current Result Document :
| 한글제목(Korean Title) |
EV 충전소의 일별 최대전력부하 예측을 위한 LSTM 신경망 모델 |
| 영문제목(English Title) |
An LSTM Neural Network Model for Forecasting Daily Peak Electric Load of EV Charging Stations |
| 저자(Author) |
이해성
이병성
안현
Haesung Lee
Byungsung Lee
Hyun Ahn
|
| 원문수록처(Citation) |
VOL 21 NO. 05 PP. 0119 ~ 0127 (2020. 10) |
한글내용
(Korean Abstract) |
국내 전기차 (EV: Electric Vehicle) 시장이 성장함에 따라, 빠르게 증가하는 EV 충전 수요에 대응하기 위한 충전설비의 확충이 요구되고 있다. 이와 관련하여, 종합적인 설비 계획을 수립하기 위해서는 미래 시점의 충전 수요량을 예측하고 이를 바탕으로 전력설비 부하에 미치는 영향을 체계적으로 분석하는 것이 필요하다. 본 논문에서는 한국전력공사의 EV 충전 데이터를 이용하여 충전소 단위의 일별최대부하를 예측하는 LSTM(Long Short-Term Memory) 신경망 모델을 설계 및 개발한다. 이를 위해, 먼저 데이터 전처리 및 이상치 제거를 통해 정제된 데이터를 얻는다. 다음으로, 충전소 단위의 일별 특징들을 추출하여 훈련 데이터 집합을 구성하여 일별 최대 전력부하 예측 모델을 학습시킨다. 마지막으로 충전소 유형 별 테스트 집합을 이용한 성능 분석을 통해 예측 모델을 검증하고 이의한계점을 논의한다.
|
영문내용
(English Abstract) |
As the electric vehicle (EV) market in South Korea grows, it is required to expand charging facilities to respond to rapidly increasing EV charging demand. In order to conduct a comprehensive facility planning, it is necessary to forecast future demand for electricity and systematically analyze the impact on the load capacity of facilities based on this. In this paper, we design and develop a Long Short-Term Memory (LSTM) neural network model that predicts the daily peak electric load at each charging station using the EV charging data of KEPCO. First, we obtain refined data through data preprocessing and outlier removal. ext, our model is trained by extracting daily features per charging station and constructing a training set. Finally, our model is verified through performance analysis using a test set for each charging station type, and the limitations of our model are discussed.
|
| 키워드(Keyword) |
전기차
최대전력부하
부하예측
딥러닝
LSTM
EV
Peak electric load
Load forecasting
Deep learning
|
| 파일첨부 |
PDF 다운로드
|
