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
- 2022.1
- 수록면
- 218 - 224 (7page)
- DOI
- 10.5370/KIEE.2022.71.1.218
이용수
초록· 키워드
오류제보하기
Recently, advanced metering infrastructure (AMI) has been deployed for power demand distribution and energy saving, and correspondingly traditional watt-hour meters installed in apartments and industrial sites are also being replaced with AMIs. Accordingly, power demand prediction using AMIs will become increasingly important to save electrical energy consumption. In this paper, we develop various deep learning-based electricity consumption prediction models using simple neural networks, convolutional neural networks, recurrent neural networks, and encoder-decoder-based generative models. To build prediction models, we use average power demand data collected from various home smart meters. Experimental results show that the generative model outperforms other deep learning-based models in terms of mean squared error, and we roughly explain why the generative model is better than other models by examining the activation layer output distributions.
목차
Abstract
1. 서론
2. 전처리 및 특징 분석
3. 딥러닝 모델
4. 모델 훈련
5. 실험 결과
6. 결론
References
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
이 논문과 함께 이용한 논문
도시화율 및 산업 구성 차이에 따른 딥러닝 기반 전력 수요 변동 예측 및 전력망 운영
김가영
,
이상훈
한국수소및신에너지학회논문집
2022
.10
다층신경망 학습 알고리즘 변화에 따른 건물 냉방부하 예측 모델의 성능 비교 평가
성남철
,
홍구표
KIEAE Journal
2022
.08
한국 전력시스템의 240시간 전력수요예측에 대한 딥러닝 모델과 학습기법
문찬호
,
권보성
,
송경빈
전기학회논문지
2022
.04
딥러닝 연계 학습 향상을 PSO 알고리즘을 활용한 데이터 기반 최적 전력수요 예측에 과한 연구
강현준
,
김문겸
대한전기학회 학술대회 논문집
2021
.10
매장 에너지 절감을 위한 LSTM 기반의 전력부하 예측 시스템 설계
최종석
,
신용태
한국정보전자통신기술학회 논문지
2021
.08
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2022-560-000128897