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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김민석 (부산대학교) 정승환 (부산대학교) 김백천 (부산대학교) 김진용 (부산대학교) 김성신 (부산대학교)
저널정보
한국지능시스템학회 한국지능시스템학회 논문지 한국지능시스템학회 논문지 제32권 제3호
발행연도
2022.6
수록면
225 - 230 (6page)
DOI
10.5391/JKIIS.2022.32.3.225

이용수

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

초록· 키워드

오류제보하기
세계 에너지시장 동향 및 재생에너지 관련 제도 개선으로 태양광발전 보급이 증가하고 있다. 태양광발전은 탄소를 발생시키지 않으면서 발전할 수 있다는 점에서 유망한 대체 에너지원이다. 하지만, 이러한 재생에너지를 이용한 전력원은 자연에너지를 이용하는 특성상 불안전한 발전출력으로 인해 발전량 예측, 유지보수 및 관리 시스템이 필요하다. 태양광 발전량을 예측하기 위해서는 먼저 태양광 발전에 가장 많은 영향을 미치는 일사량을 예측해야 하므로 이와 관련된 연구가 지속적으로 수행되고 있다. 따라서, 본 논문에서는 kNN-LSTM (k-Nearest Neighbor and Long Short-Term Memory) 기반 일사량 예측 방법을 제안한다. 제안된 방법은 kNN을 이용하여 전 날 일사량 패턴과 유사한 과거 데이터를 탐색한 다음 LSTM에 입력변수로 사용하여 다음 날의 시간별 일사량을 예측한다. 실험 결과, 제안된 방법이 서포트 벡터 회귀, 인공신경망 및 LSTM에 비해 계절에 따른 청명한 날과 흐린 날 모두 효과적으로 예측할 수 있음을 확인하였다.

목차

요약
Abstract
1. 서론
2. 일사량 예측 실험 및 분석
3. 실험 결과
4. 결론 및 향후과제
References

참고문헌 (10)

참고문헌 신청

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

최근 본 자료

전체보기

댓글(0)

0