Forecasting of Electricity Demand for Fishing Industry Based on Genetic Algorithm approach

유전자 알고리즘에 기반한 수산업 전력 수요 예측에 관한 연구

  • Received : 2016.11.03
  • Accepted : 2017.01.20
  • Published : 2017.01.28


Energy is a vital resource for the economic growth and the social development for any country. As the industry becomes more sophisticated and the economy more grows, the electricity demand is increasing. So forecasting electricity demand is an important for electricity suppliers. Forecasting electricity demand makes it possible to distribute electricity demand. As the market for Negawatt market began to grow in Korea from 2014, the prediction of electricity consumption demand becomes more important. Moreover, power consumption forecasting provides a way for demand management to be directly or indirectly participated by consumers in the electricity market. We use Genetic Algorithms to predict the energy demand of the fishing industry in Jeju Island by using GDP, per capita gross national income, value add, and domestic electricity consumption from 1999 to 2011. Genetic Algorithm is useful for finding optimal solutions in various fields. In this paper, genetic algorithm finds optimal parameters. The objective is to find the optimal value of the coefficients used to predict the electricity demand and to minimize the error rate between the predicted value and the actual power consumption values.

전력은 모든 나라에서 사회 발전과 경제 성장에 가장 기본적인 자원이다. 산업이 고도화 되고 경제의 규모가 발전하면서 전력의 소비량은 점점 증가하고 있다. 전력을 공급하는 쪽에서는 전력을 생산할 때 자원의 낭비를 줄이기 위해 전력 사용량을 예측하는 것은 중요한 일이다. 또한 전력 수요 예측을 통해 여름과 겨울의 피크 타임에서의 전력 수요를 분산하는 것이 가능하다. 그리고 소비 전력의 예측은 국내에서 수요자원 거래시장(Negawatt market)이 본격화되면서 더욱 중요하게 되었다. 더구나 전력 소비량 예측은 소비자가 전력 시장에 직간접적으로 참여하는 수요관리 방법을 제공해준다. 본 연구에서는 1999년부터 2011년까지의 국내총생산, 1인당 국민총소득, 부가세, 국내전력소비량을 이용하여 제주도의 어업 전력 사용량을 예측하는데 유전자 알고리즘을 사용하고 있다. 유전자 알고리즘은 다양한 조합 최적화 분야에서 최적해를 찾는데 유용하게 사용되는 알고리즘이다. 본 논문에서 유전자 알고리즘에서 최적의 동작을 위한 파라미터들을 찾는다. 그리고 실제 전력 소비량 예측을 위해 사용되는 계수(coefficient)들의 최적값을 찾아 예측값과 실제 전력 소비량의 오차를 최소화하는데 목적이 있다.


Supported by : 미래창조과학부


  1. S. Y. Kim, H. W. Jung, J. D. Park, S. M. Baek, W. S. KIM, K. H. Chon and K. B. Song, "Weekly Maximum Electric Load Forecasting for 104 Weeks by Seasonal ARIMA Model", Journal of the Korean Institute of Illuminating and Electrical Installation Engineers, Vol. 28, No. 1, pp. 50-56, 2014..
  2. H. W. Jung and K. B. Song. "Daily Maximum Electric Load Forecasting for the Next 4 Weeks for Power System Maintenance and Operation", The Transactions of the Korean Institute of Electrical Engineers, Vol. 63, No. 11, pp. 1497-1502, 2014..
  3. H. Ceylan, H. Ozturk, "Estimation energy demand of Turkey based on economic indicators using genetic algorithm approach", Energy Conversion and Management, pp. 2525-2537, 2004.
  4. H. Ozturk, H. Ceylan, O. E. Canyurt, A. Hepbasli, "Electricity estimation using genetic approach : a case study of Turkey", Energy 30, pp. 1003-1012, 2003.
  5. Elena Mocanu, Phuong H. Nguyen, Madeleine Gibescu, Wil L. Kling, "Comparison of Machine Learning Methods for Estimating Energy Cinsumption in Building", PMAPS, 2014.
  6. S. Wong, K. K. Wan and T. N. Lam, "Artificial neural networks for energy analysis of office buildings with daylighting", Applied Energy, Vol. 87, No. 2, pp. 5510557, 2010.
  7. Goldberg DE, Genetic algorithm in search, optimization and machine learning, Adison wesley, 1989.
  8. T. J. VanderNoot, I. Abrahams, "The use of genetic algorithms in non-linear regression of emmittance data", Journal of Electro Analytical Chemistry, Vol. 448, Issue 1, pp. 17-23, 1998.
  9. S. N. Sivanandam, S. N. Deepa, "Introduction to Genetic Algorithm", pp. 80-92, 2007.
  10. D. Bunning, M. Sun, "Genetic algorithm for constrained global optimization in continuous variables", Applied Mathematics & Computation, pp. 604-636, 2005.
  11. H. Hasheminia, S. T. Akhavan Niaki, "A genetic algorithm approach to fit the best regression/econometric model among the candidates", Applied Mathematics & Computation, 2006.
  12. A. Sadeghi, "Economics faculty, Electricity consumption forecasting using econometrics methods", 2003.
  13. M. Zamani, economics faculty, Teheran University, Electricity demand function estimation in different economic sectors, 1998.
  14. A. Tang, C. Quek and G. Ng, "GA-TSKfnn : Parameters tuning of fuzzy neural network using genetic algorithms", Expert Systems with Applications, pp. 769-781, 2005.
  15. Yu SH, Choi JY, "The causal relationship between energy and GNP : an international comparison", Journal of Energy, pp. 249-272, 1985.