전기차 충전설비에 있어서 도로교통량 데이터를 기반으로 한 충전수요예측 모델 연구

최황규; 김광호

doi:10.5207/JIEIE.2022.36.1.045

추천

검색

질문

자료유형: 학술저널

저자정보: 최황규 (Kangwon National University) 김광호 (Kangwon National University)

저널정보: 한국조명·전기설비학회 조명·전기설비학회논문지 조명·전기설비학회논문지 제36권 제1호

발행연도: 2022.1

수록면: 45 - 50 (6page)

DOI: 10.5207/JIEIE.2022.36.1.045

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

In order to efficiently build and operate an electric vehicle charging infrastructure in response to the rapidly increasing electric vehicles, it is necessary to accurately predict the electric vehicle charging demand. In this study, we set the road traffic as a major factor in determining electric vehicle charging demand and propose the electric vehicle charging demand forecasting model based on the road traffic. The proposed model suggested in this research primarily predicts the traffic volume of the neighboring area, especially adjacent roads where the charging station is located, and estimates the number of electric vehicles and their charging demand by using the relevant electric vehicle statistics and the historical charging data. As a result of simulated verification of the proposed model for the expressway rest area (Jukam rest area, Seoul direction), it shows an accuracy of 2-3% and is expected to be used as one of the traffic-based models in predicting electric vehicle charging demand.

#Demand forecasting #Electric vehicle(EV) #EV charging demand #EV charging station

참고문헌 (6)

참고문헌 신청

Carbon Neutral Committee, “2050 Carbon Neutral Senario in Korea,” 1st Edition, 2050 Carbon Neutral Committee, Korea, 2021.

Seong-U Bae and Dong-Yeong Im, “Reviews of Eletric Vehicle Charging Power Demand Forecasting Researches,” KIEE Magazine, The Korean Institute of Electrical Engineers, Vol. 66, No. 12, pp. 40-49, 2017.

C. Olah, “Understanding LSTM Networks,” Colah’s blog, https://colah.github.io/posts/2015-08-Understanding-LSTMs, 2015. H. C. Chung et al., “Prediction for Energy Demand Using 1D-CNN and Bidirectional LSTM in Internet of Energy,” Journal of Institute of Korean Electrical and Electronics Engineers, Vol. 23, No. 1, pp. 134-142, 2019.

K.H. Kim, B. Chang, and H.K. Choi, “Deep Learning Based Short-term Electric Load Forecasting Models using One-Hot Encoding,” Journal of Institute of Korean Electrical and Electronics Engineers, Vol. 23, No. 3, pp. 852-857, 2019.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최황규

소속기관 강원대학교

주요연구분야 공학 > 전기전자공학 > 전기공학 공학 > 전기전자공학 > 전자공학

논문수 58 이용수 4,295

김광호

소속기관 한국전력거래소

주요연구분야 공학 > 전기전자공학 > 전기공학 TOP 5% 공학 > 전기전자공학 > 전자공학

논문수 158 이용수 10,227

이 논문과 함께 이용한 논문

인텐시티 맵의 패턴과 피드백 및 피드포워드 제어 성능간의 상관관계 분석

구정모 , 이준우 , 정의봉 외 1명 한국소음진동공학회논문집 2020 .06

자율주행 모바일 로봇을 활용한 전기차 자동충전 시스템

권준 , 장재필 , 이용재 외 2명 제어로봇시스템학회 국내학술대회 논문집 2022 .06

이영석 , 박주혁 , 박용훈 외 2명 한국컴퓨터정보학회 학술발표논문집 2022 .01

빠른 것 같지만 아직은 시간이 필요한 전기차 시대

채영석 오토저널 2022 .02

[우수정책사례] 전기차 충전은 가까운 가로등에서

김광모 월간 공공정책 2022 .01

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (6)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)