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
전병기 (인하대학교) 김의종 (인하대학교) 이경호 (한국에너지기술연구원) 공민석 (한국에너지기술연구원) 신영기 (세종대학교)
저널정보
대한설비공학회 설비공학논문집 설비공학논문집 제31권 제1호
발행연도
2019.1
수록면
22 - 31 (10page)
DOI
10.6110/KJACR.2019.31.1.022

이용수

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

이 논문의 연구 히스토리 (2)

2019

딥러닝을 이용한 재실정보 기반 건물의 전기 수요 예측 모델
전병기 ,  김의종 ,  이경호 외 2명 설비공학논문집 2019.01 학술저널

2018

딥러닝을 이용한 재실정보 기반 전기에너지 사용량 예측
전병기 ,  이경호 ,  김의종 한국태양에너지학회 학술대회논문집 2018.11 학술대회자료

초록· 키워드

오류제보하기
Recently, numerous studies on the prediction of electricity consumption using deep-learning models have been conducted. The prediction models were mostly developed for a district scale since the influence of occupants’ behaviors in such cases is small. On the other hands, the occupants generate huge uncertainty in predicting the future electricity demand. In this study, the unpredictable occupancy information was fed to a deep-learning model as a true value by assuming that in the future, the occupants may actively interact with the control systems using various smart device. The proposed model uses simple input values such as time of the day, base electricity load and occupancy information, while learning is achieved using measured data. Deep-leaning models with single and deeper layers were tested in this study. Both models showed excellent performance for data matching during the learning periods. The models also showed acceptable prediction performance for use in predictive control, with errors less than 30% in RMSE (cv).
#Neural network(신경망) #Deep learning(딥러닝) #Electricity consumption(전기 수요) #Occupancy information(재실 정보)

목차

Abstract
1. 서론
2. 연구 방법 및 범위
3. 딥러닝 기반 전기 수요 예측 모델
4. 전기 사용량 측정 및 재실정보
5. 시뮬레이션 결과 및 분석
6. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

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

거주자의 인공조명 사용행태와 재실스케줄이 건물의 에너지 소비에 미치는 영향
김효인 ,  윤근영 대한건축학회 논문집 - 계획계 2011 .05
ECO2 운영프로파일 보정을 통한 에너지 사용량 비교에 관한 연구
전병기 ,  박창영 ,  장향인 외 3명 한국건축친환경설비학회 논문집 2018 .06
메모리 효과를 갖는 시계열 데이터에서 다수의 노이즈 클리닝에 대한 연구
조재한 ,  이이섭 한국컴퓨터정보학회논문지 2020 .04
IoT 및 딥 러닝 기반 스마트 팜 환경 최적화 및 수확량 예측 플랫폼
최호길 ,  안희학 ,  정이나 외 1명 한국정보전자통신기술학회 논문지 2019 .12
건물 예측 제어용 LSTM 기반 일사 예측 모델
전병기 ,  이경호 ,  김의종 한국태양에너지학회 논문집 2019 .10

최근 본 자료

전체보기

댓글(0)

0