날씨를 고려한 딥러닝 기반의 개별 가구 에너지 사용 요금 예측

Abstract

에너지 사용 요금은 가계의 고정적인 지출 항목 중 하나로써, 특히 날씨로 인해 에너지 사용이 급증하는 시기에는 높은 누진율이 적용되어 가계 부담을 키우고 있다. 이에 소비자는 합리적인 에너지 사용을 필요로 하는데, 이를 위해서는 소비자가 고지될 에너지 사용 요금을 사전에 예측하고, 그에 따라 에너지 사용을 조절할 수 있어야 한다. 따라서 본 논문은 딥러닝 기반의 모델을 이용하여 에너지 요금 예측에 큰 영향을 미치는 날씨를 고려한 개별 가구의 월 에너지 사용 요금 예측 방법을 제안하였다. 날씨 정보로는 실험적으로 유의미한 성능 향상을 보인 최저기온, 최고기온, 강수확률, 강수량, 습도, 풍속, 적설량, 전운량이 사용되었으며, 대표적인 딥러닝 기반의 세 가지 모델들(Multilayer Perceptron, Convolution Neural Network, Long-Short Term Memory)을 주어진 문제에 맞게 설계 및 구현하여 Long-Short Term Memory 기반의 모델이 가장 적은 오차를 보이는 것을 확인하였다. 또한, 이러한 결과를 바탕으로 본 논문에서 제안한 방법을 실제 2,234가구의 에너지 사용량 데이터와 기상청의 날씨 데이터에 적용하였을 때 평균 5,110원이라는 작은 오차로 개별 가구의 에너지 사용 요금 예측이 가능함을 실험적으로 입증하였다. Energy bills are one of the household's fixed expenses. In particular, when energy consumption is soaring due to weather conditions, a progressive rate is applied, which raises household burden. Therefore, consumers need to be rational in their energy use, and for this, they must be able to predict energy expenditure and adjust the energy use accordingly. To this end, in this paper, we propose a prediction method of the monthly energy bill for individual households using a deep-learning-based model, considering the weather, which has an important effect on energy bill prediction. As weather information, minimum temperature, maximum temperature, precipitation probability, precipitation, humidity, wind speed, snow level, and cloud cover are used, which shows an experimentally significant performance improvement. Also, three representative deep learning models (Multilayer Perceptron, Convolution Neural Network, Long-Short Term Memory) are designed and implemented for the given problem, and the model based on Long-short term memory exhibits the lowest error. The proposed method based on these results is applied to the actual energy usage data of 2,234 households and weather data of the Korea Meteorological Administration. The experiment shows that the energy bills of individual households can be predicted with a small average error of 5,110 won (4.28 dollars when the Korean won to the U.S. dollar exchange rate is 1,194 won per dollar) using the proposed approach