메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
안준영 (가천대학교) 박상민 (가천대학교) 김창복 (가천대학교)
저널정보
한국정보기술학회 한국정보기술학회논문지 한국정보기술학회논문지 제15권 제9호(JKIIT, Vol.15, No.9)
발행연도
2017.9
수록면
1 - 9 (9page)
DOI
10.14801/jkiit.2017.15.9.1

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2017

동계 전력수요예측을 위한 신경망 모델에 관한 연구
안준영 ,  박상민 ,  김창복 한국정보기술학회논문지 2017.09 학술저널
동계 전력수요 예측을 위한 신경망 모델에 관한 연구
안준영 ,  박상민 ,  김창복 Proceedings of KIIT Conference 2017.06 학술대회자료

초록· 키워드

오류제보하기
최근 주 난방으로 사용되던 등유와 가스가 전기난방으로 대체되면서, 2009년부터 동계 최대전력이 하계 최대전력보다 높게 나타나기 시작하였다. 동계 전력수요는 하계 전력수요보다 온도 민감도 및 상관관계가 낮기 때문에, 온도요소만으로는 동계 전력수요예측에 어려움이 있다. 본 연구는 동계 전력수요예측을 위해, 10개의 기상요소, 시간요소, 지역별 가중치, 동계최대전력 등으로 데이터 셋을 구축하여, 최대 전력수요 예측을 위한 신경망모델을 구현하였다. 실험결과 주말과 공휴일을 제거한 평일의 오차율이 1.335%, RMSE 0.128, 상관관계 0.877, 표준편차 0.966로 가장 우수한 예측률을 보였다. 향후, 보다 방대한 기상 빅 데이터, 예측을 위한 환경요소 도출, 효과적인 입출력 패턴을 가진 딥 러닝 네트워크에 대한 연구가 필요하다.
#machine learning #artificial neural network #deep learning #electric power demand prediction #tensorflow

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 예측요소와 기계학습
Ⅲ. 전력수요 예측모델
Ⅳ. 결과 및 비교
Ⅴ. 결론
References

참고문헌 (15)

참고문헌 신청
C. T. Jung, Y. K. Park, and S. E. Lee, 13 ~ 14 Year Winter Maximum Demand Prediction, Korea Electric Power Corporation Economic Research Institute, Vol. 13, No. 42, Dec. 2013. B. G. Koo, H. S Kim, H. S. Lee, and J. Ho Park, Short-term Electric Load Forecasting for Summer Season using Temperature Data, The Transactions of the Korean Institute of Electrical Engineers, Vol. 64, No. 8, pp. 1137-1144, Aug. 2015. H. W. Jeong, B. H. Ku, and J. M. Cha, A Study on the Weekend Load Forecasting of Jeju System by using Temperature Changes Sensitivity, The Transactions of the Korean Institute of Electrical Engineers, Vol. 65, No. 5, pp. 718-723, May 2016. K. B. Song, Development of Short-Term Load Forecasting Algorithm Using Hourly Temperature, The Transactions of the Korean Institute of Electrical Engineers Vol. 63, No. 4, pp. 451-454, Mar. 2014. D. H. Kang, J. D. Park, K. B. Song, 24 HourLoad Forecasting For Anomalous Weather Days Using Hourly Temperature, The Transactions of the Korean Institute of Electrical Engineers Vol. 65, No. 7, pp. 1144-1150, Jul. 2016.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

하계 전력수요 예측을 위한 딥 러닝 입력 패턴에 관한 연구
신동하 ,  김창복 한국정보기술학회논문지 2016 .11
RNN을 활용한 태양광 발전량 예측 알고리즘 설계
김대희 ,  방병관 ,  안형근 외 1명 정보 및 제어 논문집 2017 .10
인공 지능 기법을 이용한 전력수요예측 동향
김경환 ,  조세원 ,  박래준 외 1명 대한전기학회 학술대회 논문집 2017 .07
텐서플로우로 구현한 효과적인 구조의 멀티모달 딥러닝 동영상 분류 시스템
김도현 ,  이정헌 ,  양지훈 한국정보과학회 학술발표논문집 2016 .12
시간별 기온과 전력수요의 연관관계 분석
강동호 ,  박정도 ,  송경빈 외 4명 대한전기학회 학술대회 논문집 2015 .07

최근 본 자료

전체보기

댓글(0)

0