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
김수연 (Konkuk University) 손명수 (Konkuk University) 권구덕 (Kangwon National University) 이두희 (Konkuk University)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제68권 제7호
발행연도
2019.7
수록면
834 - 843 (10page)
DOI
10.5370/KIEE.2019.68.7.834

이용수

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

초록· 키워드

오류제보하기
We predict electricity demand in a very high accuracy with various machine learning algorithms by designing optimal combinations of weather data, stations, and years. First, we create a novel forecasting structure by taking advantage of stair-wise structure of predicted weather data to increase the forecasting accuracy. Second, we test various machine learning algorithms : ridge regression, support vector machine, and gradient boosting machine (GBM). We find that the GBM has the best forecasting accuracy. Third, we select weather data, years of data, and weather stations based on root mean square errors. We also choose the weather stations by identifying a correlation between weather data and demand to compare two station-selecting methods. Accordingly, we increase the computation speed and forecasting accuracy by filtering out unrelated data. Finally, we verify our proposed algorithm by participating in the 2018 world electricity demand forecasting competition held in France.
#Gradient boosting machine #Short-term demand forecasting #Support vector machine

목차

Abstract
1.서론
2. 사례 조사
3. 예측 데이터 및 데이터 구조
4. 예측 기법 소개
5. 최적 데이터 조합 구성
6. 실험 결과
7. 결론
References

참고문헌 (22)

참고문헌 신청
KPX / 2015 / Development of Real-Time Load Forecasting Technique and A Study on On-Line Load Forecasting Scheme google schola Sung-Ho Ryu / 2014 / A Study on the Improvement of Power Demand Prediction in Summer 2014 / Journal of Electrical World Monthly Magazine :66~72 google schola KPX / 2015 / A Study on the Strategy of the Load Forecasting System through the Analysis of Weather Characteristics google schola 배영상 / 2014 / 독일 계통 연계 규정에 기반 된 대용량 태양광 발전 시스템의 계통 안정화를 위한 제어 전략 / 전력전자학회 논문지 19(1):41~50 dbpia 임종훈 / 2013 / 단기 전력수요예측 정확도 개선을 위한 대표기온 산정방안 / 조명.전기설비학회논문지 27(6):39~43 google schola

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

날씨를 고려한 딥러닝 기반의 개별 가구 에너지 사용 요금 예측
박지수 ,  홍승우 ,  서일홍 전자공학회논문지 2020 .04
Support Vector Machine과 Gradient Boosting Machine 기반의 풍력발전량 예측 알고리즘 개발과 전력거래소 풍력발전량 예측 대회를 통한 알고리즘 성능 검증
박은총 ,  김수연 ,  손승우 외 2명 전기학회논문지 2019 .12
메시지 프레이밍과 콘텐츠 유형에 따른 청소년 자살 예방 캠페인 효과에 관한 연구
오아름 ,  이현진 ,  김활빈 광고연구 2019 .09
혼합 정수 선형 계획법 기반의 최적 경제 급전을 활용한 분산형 열병합 발전원의 송전선로 건설비용 회피 편익계산
권욱현 ,  박용기 ,  노재형 외 2명 전기학회논문지 2019 .04
한반도 여름철 이상기후 사례별 특성 및 메커니즘 분석 연구
이상민 ,  김연희 ,  민승기 외 2명 한국기상학회 학술대회 논문집 2017 .10

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2019-560-000887125