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
- 발행연도
- 2019.12
- 수록면
- 2,231 - 2,238 (8page)
- DOI
- 10.7840/kics.2019.44.12.2231
이용수
초록· 키워드
오류제보하기
최근 화석연료 고갈 및 지구 온난화 문제가 대두되고 있으며, 이러한 문제를 해결하기 위해 환경 친화적이며 무한한 에너지원을 가지는 태양광 에너지가 주목받고 있다. 태양광 발전 관리에 있어 효율적인 운영과 경제성 향상을 위해서는 정확한 태양광 발전량 예측이 필요하다. 본 연구에서는 시계열 데이터 분석 및 예측에 효과적인 딥러닝 기법 중 하나인 LSTM(Long Short-Term Memory)과 기온, 습도, 전운량, 자외선 지수 등의 기상정보를 통해 시간 단위의 태양광 발전량을 예측하는 기법을 제안한다. 제안하는 기법은 정해진 시점이 아닌 원하는 구간의 발전량 예측을 하여 가용성이 높으며, 태양광 발전량과 가장 밀접한 관계에 있는 일사량을 먼저 예측함으로써 발전량 예측 정확도를 높였다. 제안하는 기법의 LSTM 기반 예측 모델의 발전량 예측 결과 오차율인 MAE와 NMAE는 각각 1.5424와 0.0454이며, DNN 기반 예측 모델의 MAE와 NMAE인 1.9347, 0.0569에 비해 오차율이 낮은 것을 확인하였다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 본론
Ⅲ. 실험
Ⅳ. 결론
References
참고문헌 (14)
참고문헌 신청
“About Renewable Energy,” Green Energy Institute, Retrieved Oct. 10, 2019, from http:// gei.re.kr/
N. Sharma, P. Sharma, D. Irwin, and P. Shenoy, “Predicting solar generation from weather forecasts using machine learning,” in Proc. IEEE Int. Conf. Smart Grid Commun., pp. 528-533, Oct. 2011.
S. M. Lee and W. J. Lee, “Development of a system for predicting photovoltaic power generation and detecting defects using machine learning,” J. KIPS Comput. and Commun. Syst., vol. 5, no. 10, pp. 353-360, Oct. 2016.
J. Wang, R. Ran, and Y. Zhou, “A short-term photovoltaic power prediction model based on an FOS-ELM algorithm,” Appl. Sci., vol. 7, no. 4, Apr. 2017.
K.Y. Bae, H. S. Jang, and D. K. Sung, “Solar power prediction based on machine learning scheme and its error analysis,” in Proc. Symp. KICS, pp. 13-14, Jan. 2017.
S. M. Lee and W. J. Lee, “Development of a system for predicting photovoltaic power generation and detecting defects using machine learning,” J. KIPS Comput. and Commun. Syst., vol. 5, no. 10, pp. 353-360, Oct. 2016.
J. Wang, R. Ran, and Y. Zhou, “A short-term photovoltaic power prediction model based on an FOS-ELM algorithm,” Appl. Sci., vol. 7, no. 4, Apr. 2017.
K.Y. Bae, H. S. Jang, and D. K. Sung, “Solar power prediction based on machine learning scheme and its error analysis,” in Proc. Symp. KICS, pp. 13-14, Jan. 2017.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
기상 예보를 활용한 LSTM 기반 24시간 태양광 발전량 예측모델
정보과학회 컴퓨팅의 실제 논문지
2020 .10
-
기상 데이터 및 환경데이터를 활용한 LSTM 기반 태양광 발전량 예측 시스템
한국태양에너지학회 학술대회논문집
2023 .04
-
딥러닝 알고리즘을 이용한 태양광발전량 예측 모델에 대한 연구
전자공학회논문지
2023 .02
-
LSTM 기반 딥러닝 기술을 이용한 태양광 발전량 예측
한국통신학회 학술대회논문집
2020 .08
-
기상 매개 변수를 포함한 LSTM 기반 태양광 전력 시스템의 발전량 예측
대한전기학회 학술대회 논문집
2020 .10
-
Prediction of Solar Photovoltaic Power Generation by Weather Using LSTM
한국컴퓨터정보학회논문지
2022 .08
-
태양광 발전량 예측을 위한 알고리즘 개발
한국태양에너지학회 학술대회논문집
2023 .04
-
미래 기상정보를 사용하지 않는 LSTM 기반의 피크시간 태양광 발전량 예측 기법
한국전자거래학회지
2019 .11
-
태양광 발전량 실시간 예측 시스템
대한전기학회 학술대회 논문집
2019 .07
-
철도인프라용 태양광발전시스템 확대를 위한 기상정보 활용 발전량 예측 비교 연구
한국철도학회 논문집
2017 .08
-
효과적인 태양광 발전량 예측을 위한 LSTM 및 XGBoost 모델 성능 비교 연구
Proceedings of KIIT Conference
2023 .11
-
기상상태 변동성을 고려한 LSTM 기반 태양광 발전량 예측
한국지능시스템학회 논문지
2020 .02
-
LSTM 기반 태양광 발전량 예측 모델 연구
한국태양에너지학회 학술대회논문집
2022 .10
-
기상 예보를 활용한 LSTM 기반 24시간 태양광 발전량 예측모델
한국정보과학회 학술발표논문집
2019 .12
-
제한적인 환경에서 현재 기온 데이터에 기반한 태양광 발전 예측 모델 개발
디지털콘텐츠학회논문지
2016 .06
-
발전량 예측 모델 기반의 태양광 모니터링 시스템 고장 예측
JOURNAL OF PLATFORM TECHNOLOGY
2018 .06
-
XGBoost-LSTM 앙상블을 이용한 태양광 발전량 예측
한국지능시스템학회 논문지
2021 .12
-
RNN-LSTM을 이용한 태양광 발전량 단기 예측 모델
한국항행학회논문지
2018 .01
-
Design of Photovoltaic Power Generation Prediction Model with Recurrent Neural Network
Journal of KIISE
2019 .06
-
서포트 벡터 회귀를 이용한 24시간 앞의 태양광 발전량 예측
한국정보기술학회논문지
2016 .03
이 논문의 저자 정보
이 논문과 함께 이용한 논문
기상 예보를 활용한 LSTM 기반 24시간 태양광 발전량 예측모델
손혜숙
,
김석연
,
장윤
정보과학회 컴퓨팅의 실제 논문지
2020
.10
인공신경망 딥러닝을 활용한 기후예측 모형 개발
김동훈
한국기상학회 학술대회 논문집
2016
.10
풍력 발전량 예측 고도화를 위한 기상 예보 자료와 SCADA 데이터의 활용 및 기계학습 기반 Stacking 앙상블 모델의 성능 평가
김희찬
,
김대영
,
김범석
한국신·재생에너지학회 학술대회 초록집
2024
.05
최소의 센서로 실내 조도를 예측하는 다중선형회귀 방법
이유빈
,
오승택
,
임재현
정보과학회 컴퓨팅의 실제 논문지
2024
.05
LSTM-XGBoost 앙상블 모형을 이용한 월별 전력판매량 예측 알고리즘
김경환
,
조승민
,
송경빈
전기학회논문지
2024
.05
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2020-567-000081070