대학 캠퍼스는 전력 사용량이 많은 곳이며,시간과 환경에 따른 전력 사용량 변화폭이 다양하다.이러한 이유로,전력계통의 효율적인 운영을 위해서는 전력 사용량을 정확하게 예측할 수 있는 모델이 요구된다. 기존 시계열 예측 기법 시계열 예측 기법은 예측 기간이 길수록 정확도가 떨어지며,데이터가 일정한 형태를 보이지 못한 경우에 모델 구성의 어려움이 크다. 또, 학습 시점과 예측 시점 간의 차이가 클수록 예측 구간이 넓어짐으로 예측 성능이 크게 떨어진다는 단점이 있다. 해결방법 의사결정나무를 이용해 날짜, 요일, 공휴일 여부, 학기 등을 고려, 시계열 형태가 유사한 전력 데이터를 분류, 자기회귀누적이동평균모형(ARIMA)을 구성, 이후 시계열 교차검증을 적용한다. 입력 데이터 데이터 제공 : 한전 iSMART 예..
