We address the imputation of missing power consumption data in AMI. As the power consumption data are collected from more various power consumers, we propose a method to improve imputation accuracy by improving limitations of existing methods. In detail, we propose a method selection that takes into account the variability of the missing situation. Based on past similar situations, the kNN classification algorithm is used to select a more appropriate imputation method between the linear interpolation method and the historical average method. Next, we propose a method to select historical data useful for imputation and improve the existing historical average method based on kNN regression algorithm. Finally, it is shown through actual measured power data that the imputation accuracy is improved by applying the proposed method.
이 논문에서는 AMI에서 누락된 전력 소비 데이터의 추정법을 다룬다. 다양한 전력 수용가로부터 전력 소비 데이터가 수집됨에 따라 기존 추정법의 한계점을 개선하여 추정 정확도를 높이는 방법을 제안하였다. 세부적으로는 먼저 누락이 발생한 상황의 소비 변동성을 고려한 추정법 선택이 제안되었다. 과거 비슷한 상황들을 기반으로 kNN 분류 알고리즘을 활용하여 선형 보간법과 이력 평균 방법 중 더 적합한 추정법이 선택된다. 다음으로, 추정에 유용한 과거 데이터를 선정하는 방법을 제안하여 기존의 이력 평균 방법을 개선하였다. 마지막으로 실제 측정된 전력 데이터에 제안 추정법을 적용하여 기존의 방법보다 향상된 추정 정확도를 보였다.
