본 논문에서는 데이터 마이닝을 이용한 단기 전력 부하 예측 시스템의 새로운 설계 기법을 제안한다. 제안된 단기 부하 예측시스템은 Takagj-Sugeno (T-S) 퍼지 모델 기반 예측기와 분류기로 구성된다. 또한, 제안된 T-S 퍼지 모델 기반 분류기는 전반부 가우시안 집합과 후반부 선형화된 베이지안 분류기로 구성된다 분류기의 파라미터들은 주어진 훈련 집합의 통계적 수치로 쉽게 얻어진다. 제안된 T-S 퍼지 모델 기반 예측기는 한 가지 입력에 대한 선형 시계열 예측기의 볼록 조합 형태를 가진다. 후반부 파라미터 추정 문제는 실제 전력 부하와 예측 전력 부하의 놈(norm)을 최소화하는 볼록 최적화 문제로 간주한다. 그 문제는 선형 행렬 부등식으로 설정됨으로써 후반부 파라미터는 추정된다. 전반부 파라미터 추정문제는 선형 시계열 예측기들이 모여진 전체 T-S 퍼지 시스템의 출력과 실제 전력 부하 사이의 에러를 최소화하는 문제이다. 이 문제는 경사치 하향 기법이 적용하여 해결되었다 제안된 기법의 유용성을 검증하기 위해 본 논문은 하루 후 24시간 전력 부하 예측과 하루 후 최고 전력부하를 예측 실험을 제공한다.
This paper presents a new design methods of the short-term load forecasting system (STLFS) using the data mining. The structure of the proposed STLFS is divided into two parts: the Takagi-Sugeno (T-S) fuzzy model-based classifier and predictor The proposed classifier is composed of the Gaussian fuzzy sets in the premise part and the linearized Bayesian classifier in the consequent part. The related parameters of the classifier are easily obtained from the statistic information of the training set. The proposed predictor takes form of the convex combination of the linear time series predictors for each inputs. The problem of estimating the consequent parameters is formulated by the convex optimization problem, which is to minimize the norm distance between the real load and the output of the linear time series estimator. The problem of estimating the premise parameters is to find the parameter value minimizing the error between the real load and the overall output. Finally, to show the feasibility of the proposed method, this paper provides the short-term load forecasting example.
