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
- 학술대회자료
- 저자정보
- 발행연도
- 2023.6
- 수록면
- 529 - 532 (4page)
이용수
초록· 키워드
오류제보하기
태양광 발전소의 발전량의 사전 예측을 통해 발전소 운영자는 생산 계획을 세울 수 있으며, 전력 수요를 충족시킨다. 또한 이 과정에서 생산된 전기의 가격을 책정함으로써, 수요와 공급을 적절하게 조절한다. 태양에너지는 기후 변화에 민감하기 때문에, 기상 정보를 바탕으로 미래의 발전량이 어떻게 될지 예측하는 과업은 단순한 생산량 뿐만 아니라 가격 책정에서도 매우 중요하다. 최근 다양한 기상 정보를 수집 할 수 있는 센서 기술력이 발달 하였고, 시계열 데이터를 활용한 다양한 예측 모델들이 연구되었으나 긴 시간의 시계열 정보를 받아 상대적으로 먼 미래를 예측해야 하는 발전량의 특성상 기존 시계열 모델들은 약점이 존재한다. 본 논문에서는 관측되는 기상정보들의 밀접한 상관 관계를 반영하고, 긴 시간 정보를 효율적으로 학습하기 위해 그래프 신경망(GNN)을 활용한 시계열 예측모델을 제안한다. 실제 발전소의 발전량 데이터셋에서의 실험결과를 바탕으로, 제안하는 방법론이 기존 방법론에 비해 더 정확하게 예측을 할 수 있음을 확인하였다.
목차
요약
1. 서론
2. 제안하는 방법
3. 실험 결과 및 분석
4. 결론
참고문헌 (References)
참고문헌 (0)
참고문헌 신청이 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
댓글(0)
0
UCI(KEPA) : I410-ECN-0102-2023-567-001938570