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
권오극 (Korea Water Resources) 홍현표 (Korea Water Resources) 조현식 (Korea Water Resources) 차한주 (Chungnam National University)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제72권 제8호
발행연도
2023.8
수록면
904 - 911 (8page)
DOI
10.5370/KIEE.2023.72.8.904

이용수

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

초록· 키워드

오류제보하기
This paper proposes a method for predicting the hourly generation of floating photovoltaic by creating a model and inputting weather forecast data. In particular, the paper shows the process of selecting hyperparameter settings that minimize errors, which has not been presented in other papers. The prediction model uses the Long Short-Term Memory, a type of recurrent neural network in machine learning, to predict the hourly generation of floating photovoltaic in Chungju and Hapcheon. Instead of using all the 12 existing data, the model only inputs the irradiation and temperature data that are highly correlated with power generation. The prediction model is then used to forecast the hourly power generation for Chungju and Hapcheon. The results show that the predicted power generation meets the error rate of 5% or less, as set by the Korea Power Exchange, making the machine learning-based prediction of floating solar photovoltaic practical and applicable.
#Recurrent Neural Network #Power Generation Prediction #Floating Photovoltaic #LSTM #AI

목차

Abstract
1. 서론
2. 기상예보데이터로 충주태양광 발전량 예측
3. 기상예보데이터로 합천 FPV 발전량 예측
4. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

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

기상 데이터를 활용한 태양광 발전량 예측
김민석 ,  김윤현 ,  김지찬 외 2명 대한전기학회 학술대회 논문집 2023 .11
학습 데이터가 제한된 상황에서 태양광 발전량 예측을 위한 메타러닝 적용
이해중 ,  송근주 ,  김홍석 한국통신학회 학술대회논문집 2023 .11
에너지플랫폼 내 태양광 발전량 예측 데이터 연계에 관한 연구
김예미 ,  김준호 정보 및 제어 논문집 2023 .10
효과적인 태양광 발전량 예측을 위한 LSTM 및 XGBoost 모델 성능 비교 연구
윤운도 ,  박지우 ,  김도준 외 5명 Proceedings of KIIT Conference 2023 .11
AI 기반 태양광 발전량 예측과 전력 최적 운영 시스템 구축
장성호 ,  전태림 ,  송성혜 외 2명 Proceedings of KIIT Conference 2023 .11

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0102-2023-560-001932457