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
김예인 (한동대학교) 이세은 (한동대학교) 권용성 (한동대학교)
저널정보
한국산학기술학회 한국산학기술학회 논문지 한국산학기술학회논문지 제21권 제10호
발행연도
2020.10
수록면
8 - 15 (8page)

이용수

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

초록· 키워드

오류제보하기
딥러닝을 사용한 예측 방법은 동일한 예측 모델과 파라미터를 사용한다 하더라도 데이터셋의 특성에 따라 결과가 일정하지 않다. 예를 들면, 데이터셋 A에 최적화된 예측 모델 X를 다른 특성을 가진 데이터셋 B에 적용하면 데이터셋A와 같이 좋은 예측 결과를 기대하기 어렵다. 따라서 높은 정확도를 갖는 예측 모델을 구현하기 위해서는 데이터셋의 성격을 고려하여 예측 모델을 최적화하는 것이 필요하다. 본 논문에서는 하루 대학 캠퍼스 전력사용량을 1시간 단위로 예측하기 위해 데이터셋의 특성이 고려된 예측 모델이 도출되는 일련의 방법을 단계적으로 제시한다. 데이터 전처리 과정을 시작으로, 이상치 제거와 데이터셋 분류 과정 그리고 합성곱 신경망과 장기-단기 기억 신경망이 결합된 알고리즘(CNN-LSTM: Convolutional Neural Networks-Long Short-Term Memory Networks) 기반 하이퍼파라미터 튜닝과정을 소개한다. 본 논문에서 제안하는 예측 모델은, 각 시간별 24개 포인트에서 2%의 평균 절대비율 오차(MAPE: Mean Absolute Percentage Error)를 보인다. 단순히 예측 알고리즘만을 적용한 모델과는 달리, 단계적 방법을 통해 최적화된 예측 모델을 사용하여 단일 전력 입력 변수만을 사용해서 높은 예측 정확도를 도출한다. 이 예측 모델은 모바일 에너지관리시스템(Energy Management System: EMS) 어플리케이션에 적용되어 관리자나 소비자에게 최적의 전력 사용 방안을 제시할 수 있으며 전력 사용 효율 개선에 크게 기여할 것으로 기대된다.
#Deep Learning #AI #CNN #LSTM #Forecasting Campus Power Consumption #Energy Management System #Building Energy Management System #Mobile #Campus #Optimization #AICBM

목차

요약
Abstract
1. 서론
2. 모델 최적화
3. 결론
References

참고문헌 (8)

참고문헌 신청
IEA. Global Energy and CO2 Status Report [Internet]. IEA, c2019 [cited 2019 March 26], Available From: https://www.iea.org/reports/global-energy-co2-status-report-2019 (accessed May. 25, 2020) IEA. Energy and Efficiency [Internet]. IEA, c2019 [cited 2019 Nov. 26], Available From: https://www.iea.org/reports/energy-efficiency-2019 (accessed May. 25, 2020) C. S. Kim, New & Renewable Energy Supply Statistics, Technical Report, Korea Energy Agency, Korea, pp.15-18. google schola Y. S. Moon, Monthly Energy Statistics, Technical Report, Korea Energy Economics Institute, Korea, pp.17-20. google schola G. H. Park, Research on Energy Efficiency Improvement Plan of University Campus Building, Korea Energy Economics Institute, Korea, pp.7-10. 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

기계학습 및 GIS 기반 공동주택 단지에서의 전력 사용량 예측 연구
전우성 ,  황준화 ,  서동준 한국통신학회 학술대회논문집 2022 .02
계절적 특성을 고려한 CNN-LSTM 알고리즘 기반의 건물 단기 전력부하 예측
권규현 ,  홍창우 ,  진성훈 외 1명 대한전기학회 학술대회 논문집 2021 .07
LSTM 기반의 단계적 분해 방법을 이용한 단기 전력 사용량 예측
노윤지 ,  민대기 경영과학 2020 .03
에너지 인터넷을 위한 GRU기반 전력사용량 예측
이동구 ,  선영규 ,  심이삭 외 3명 전기전자학회논문지 2019 .03
기상정보를 활용한 머신러닝 기반의 전력수요 예측 모델
차현종 ,  강아름 한국콘텐츠학회논문지 2023 .02

최근 본 자료

전체보기

댓글(0)

0