지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- 대한전기학회 Journal of Electrical Engineering & Technology Journal of Electrical Engineering & Technology Vol.12 No.3
- 발행연도
- 2017.5
- 수록면
- 989 - 995 (7page)
이용수
초록· 키워드
오류제보하기
As is known to all that the output of wind power generation has a character of randomness and volatility because of the influence of natural environment conditions. At present, the research of wind power prediction mainly focuses on point forecasting, which can hardly describe its uncertainty, leading to the fact that its application in practice is low. In this paper, a wind power range prediction model based on the multiple output property of BP neural network is built, and the optimization criterion considering the information of predicted intervals is proposed. Then, improved Particle Swarm Optimization (PSO) algorithm is used to optimize the model. The simulation results of a practical example show that the proposed wind power range prediction model can effectively forecast the output power interval, and provide power grid dispatcher with decision.
목차
Abstract
1. Introduction
2. BPNN and PSO
3. Optimization Criterion and Model of Wind Power Interval Prediction
4. Example Analysis
5. Conclusion
References
참고문헌 (21)
참고문헌 신청
B. Ernst, B. Oakleaf, M. L. Ahlstrom: “Predicting the wind,” Power & Energy Magazine. vol. 11, no. 2, pp. 79-89(2007).
F. Scarlatache, G. Grigoras: “Influence of wind power plants on power systems operation,” 2014 International Conference and Exposition on Electrical and Power Engineering. pp. 1010-1014(2014).
A. Kusiak, H. Y. Zheng, Z. Song: “Short-Term prediction of wind farm power: a data mining approach,” Energy Conversion. vol. 24, no. 1, pp. 125-136 (2009).
J. W. Taylor, P. E. McSharry: “Wind power density forecasting using ensemble predictions and time series models,” Energy Conversion. vol. 24, no. 3, pp. 775- 782(2009).
C. Skittides, W. G. Fruh: “Wind forecasting using principal component analysis,” Renewable Energy. vol. 69, pp. 365-374(2014).
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Prediction of Wind Power by Chaos and BP Artificial Neural Networks Approach Based on Genetic Algorithm
Journal of Electrical Engineering & Technology
2015 .01
-
정규 크리깅을 이용한 풍력발전 예측시스템 개발
조명·전기설비학회논문지
2016 .07
-
기상 테이터를 이용한 딥러닝 기반 풍력 발전량 예측에 관한 연구
전기학회논문지
2021 .05
-
LSTM 딥러닝 신경망 모델을 이용한 풍력발전단지 풍속 오차에 따른 출력 예측 민감도 분석
풍력에너지저널
2024 .06
-
곡선회귀분석을 이용한 풍력발전 출력 예측에 관한 연구
KEPCO Journal on electric power and energy
2016 .01
-
LSTM 기법을 이용한 풍력발전 출력 예측에 관한 연구
전기학회논문지
2020 .08
-
시계열 모형을 이용한 단기 풍력 단지 출력 지역 통합 예측에 관한 연구
전기학회논문지
2016 .06
-
공간모델링 기반의 풍력발전출력 예측 모델에 관한 연구
KEPCO Journal on electric power and energy
2015 .01
-
시간별 LSTM 기법을 이용한 단기풍력발전 예측
전기학회논문지
2020 .06
-
Optimal Ensemble Forecasting Method for One-Day Ahead Hourly Wind Power Forecasting
ICPE(ISPE)논문집
2023 .05
-
Short-term Wind Power Prediction Based on Empirical Mode Decomposition and Improved Extreme Learning Machine
Journal of Electrical Engineering & Technology
2018 .09
-
정확도 향상을 위한 CNN-LSTM 기반 풍력발전 예측 시스템
신·재생에너지
2022 .06
-
Prediction of Surface Roughness and Electric Current Consumption in Turning Operation using Neural Network with Back Propagation and Particle Swarm Optimization
한국기계가공학회지
2015 .06
-
해외사례 고찰을 통한 풍력 예측모형의 과거와 현재
풍력에너지저널
2016 .12
-
도심 빌딩 옥상에 적용 가능한 풍력발전시스템의 성능 평가 연구
한국지열·수열에너지학회논문집
2016 .09
-
Flexible Transmission Expansion Planning for Integrating Wind Power Based on Wind Power Distribution Characteristics
Journal of Electrical Engineering & Technology
2015 .05
-
지방 도시에 도입된 풍력단지의 기후 특성을 고려한 전력 발전량 예측
대한건축학회논문집
2023 .11
-
풍력발전 출력 예측오차 완화를 위한 출력제한운전과 ESS운전의 경제성 비교
전기학회논문지
2018 .02
-
풍력발전 설비가 전력계통의 전력품질에 미치는 영향
조명·전기설비학회논문지
2016 .09
-
풍력발전소 소음 영향 예측식 개발에 관한 연구
한국소음진동공학회논문집
2016 .02
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2017-560-002385244