A new methodologies using an Artificial Neural Network (ANN), a Genetic Programming (GP) and Genetic Algorithms (GAs) are proposed to forecast long-term electric power demand and to optimize the share of nuclear power in Korean electric power system. Based on the results presented in this study, it is concluded that the ANN is suitable for long-term demand forecasting when it was trained by proposed strategy, and the GP can be successfully used to forecast electric power demand only using historical data. From the analysis of GAs, it is concluded that GAs can be used for system optimization more effectively than traditional methods.
An ANN and a GP are proposed as a methodology for long-term forecasting of electric power demand. They are able to combine both time series and regressional approaches. They do not require assumptions for any functional relationship between dependent and independent variables. Moreover, since the result of the GP has a form of equation, it can be directly used in any computational codes for future electric power demand. The economic variables are used as a independent variables in long-term forecasting of electric power demand. The ANN can not make long-term forecast only using its historic data. In order to overcome this limitation of neural network, a new strategy is suggested to train the ANN. On the other hand, the GP can make forecasts only using the historic data. In addition, the GP is easier to use the result because it produces mathematical expression as the results. Among economic variables, only two variables (population and GDP) are used as independent variables for long-term forecasting of electric power demand, since annual electric power demand is mostly affected by those. Using Critical Heat Flux data, we validated that the GP also can be used for complex non-linear system.
The GAs are suggested as a methodology to optimize the share of nuclear power in electric power system. The GAs can find optimal solution faster than traditional approaches. In addition, the GAs do not need any pre-process of matrice which are consisted of objective function and constraints. The results of GAs were compared with ones of linear programming to validate that GAs can find optimal solution.
장기 발전계획을 수립하는데 있어서 고려되어야 할 중요한 인자는 미래의 전력수요와 발전원별 구성비이다. 특히 부존자원이 부족한 우리 나라의 경우 발전원중 원자력이 차지하는 비중이 매우 크기 때문에 원자력의 최적 비율을 결정하는 것이 무엇보다 중요하다. 그런데 기존의 전력수요 예측 방법과 원자력 비율 최적화 방안은 복잡하여 사용하기 불편하고 정확성 또한 낮기 때문에 새로운 방법의 적용이 필요하다. 본 연구에서는 전력수요 예측을 위한 새로운 방법으로 인공신경회로망(ANN)과 Genetic Programming (GP)을 사용하였으며, 원자력 비율 최적화를 위해서 Genetic Algorithms (GAs)을 사용하였다. ANN과 GP는 기존의 회귀분석방법과 달리 상관식에 대한 어떠한 가정도 필요하지 않다. 게다가 GP의 결과는 수식의 형태로 직접 전산모형에 사용이 가능하다.
전력수요 예측을 위해 사용된 독립변수들로 인구, GDP, 과거 전력수요 등 3 가지를 선정하였다. 이외 전력수요에 영향을 미치는 다른 인자들이 있지만 이들만 선정한 것은 전력수요를 예측하는데 있어서 예측된 독립변수들을 이용하여야 하기 때문에 예측이 용이하고 장기전력수요에 가장 많은 영향을 미친th鳴 }인정된 것들이며, 독립변수들의 예측에 따른 불확실성을 가능한 한 줄이기 위해 적은 수의 독립변수를 사용하였다.
ANN은 학습방법이나 구조가 여러 가지 개발되어 있는데, 전력수요를 예측하기 위해서 Backpropagation Network을 사용하였다. 이 신경망은 현재 가장 보편적으로 이용되고 있는 신경망이다. ANN은 학습된 내용 이외의 패턴에 대해서는 제대로 작동을 하지 못한다. 즉, 외삽을 할 수 없다는 단점이 있다. 그러나 전력수요를 예측하기 위해서는 외삽을 하여야 하므로 이를 극복하기 위해서 새로운 학습전략을 제안하였다. 우리 나라의 경우 인구나 경제성장률 및 전력수요 추이가 일본과 유사하기 때문에 일본의 자료를 scale-down 시켜 신경회로망을 학습시켰다. 또한 전력수요 예측의 정확도는 신경망의 노드 수에 따라 변하므로 여러 가지 경우에 대하여 수행을 한 결과 전력수요에 적합한 신경망 구조를 도출하였다. 개발된 신경망 모형을 가지고 전력수요를 예측한 결과 평균 오차가 2.912% 이고 표준편차는 1.895 이었다. 반면 회귀분석방법의 경우 평균 오차가 5.763% 이고 표준편차는 3.838 이었다.
GP는 GAs를 기반으로 개발된 종속변수와 독립변수들 사이의 상관관계를 도출하는 방법으로 ANN과 함께 비선형을 해석하기 위해 최근에 사용되고 있다. GP는 ANN과 달리 상관관계를 수식으로 표현할 수 있기 때문에 결과를 직접 계산 프로그램에 사용할 수 있다는 장점이 있다. GP를 이용하여 문제를 해결할 경우 어떤 'Function Set'과 'Terminal Set'을 사용할 것인가가 중요한 요소이기 때문에, 본 연구에서는 12가지 경우에 대해 수행한 결과 전력수요 예측에 적합한 function set과 terminal set을 도출하여 전력수요 예측을 위한 GP 모델을 개발하였다. 개발된 GP 모델을 사용하여 전력수요를 예측한 결과 평균 오차는 2.23% 이고 표준편차는 1.86 이었다. 이는 회귀분석이나 ANN보다 더 정확함을 보여준다. 또한 자료수가 많은 임계열유속을 사용하여 예측한 결과 GP의 비선형 해석이 다른 방법들 보다 월등함이 검증되었다.
GAs는 가능해 영역을 동시에 탐색하므로 문제의 전처리 과정이 필요 없으며 local optimum에 잘 빠지지 않는다. 복잡한 전력시스템을 몇 가지 가정을 사용하여 단순화시켰다. 이는 최적화 문제에서 자료의 수를 감소시키므로 불확실성과 분석시간을 줄일 수 있다. 설정된 전력시스템을 GAs를 이용하여 비용이 최소가 되는 발전원들의 비율을 구한 결과 원자력 45.68%, 석탄화력 37.34%, 석유화력 0.32%, 가스화력 6.67%이 나왔다. 또한 널리 사용되고 있는 선형계획법과 비교한 결과 GAs가 최적해를 구한 것으로 검증되었다.
