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
- 학위논문
- 저자정보
- 지도교수
- 김홍석.
- 발행연도
- 2016
- 저작권
- 서강대학교 논문은 저작권에 의해 보호받습니다.
이용수3
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문에서는 심층 신경망에 기반한 전력 수요 예측 모델을 제안하고, 대량의 실제 수용가 전력 사용량 정보를 바탕으로 단기 수요 예측 수행과 그 결과를 분석하였다.
스마트 그리드의 등장은 기존 전력망 시스템에 큰 변혁을 불러 일으켰다. 특히 수요 예측을 포함한 수용가 측면의 에너지 관리가 주요 이슈가 되었으며, 다양한 방법으로 수용가의 전력 수요를 예측하는 연구들이 수행되었다. 심층 신경망은 데이터의 추상화 능력과 비선형 함수를 모델링 할 수 있는 하나의 블랙 박스로서 본 논문에서는 심층 신경망을 대량의 실제 수용가 데이터에 최초로 적용하여 그 결과를 분석하였다. 각 심층 신경망은 수용가의 과거 전력 사용량과 각종 기상 요소들을 바탕으로 학습되었고, 정확성 분석을 위한 실제 수요와 예측 수요 사이의 오차는 평균절대백분비오차 (MAPE)와 평균제곱근오차 (RMSE)가 사용되었다.
심층 신경망 예측 결과는 인공 신경망, 10일 평균 모델과 비교하였으며, 수용가 수요 예측의 어려움에도 불구하고 심층 신경망이 좋은 성능을 나타내었다.
스마트 그리드의 등장은 기존 전력망 시스템에 큰 변혁을 불러 일으켰다. 특히 수요 예측을 포함한 수용가 측면의 에너지 관리가 주요 이슈가 되었으며, 다양한 방법으로 수용가의 전력 수요를 예측하는 연구들이 수행되었다. 심층 신경망은 데이터의 추상화 능력과 비선형 함수를 모델링 할 수 있는 하나의 블랙 박스로서 본 논문에서는 심층 신경망을 대량의 실제 수용가 데이터에 최초로 적용하여 그 결과를 분석하였다. 각 심층 신경망은 수용가의 과거 전력 사용량과 각종 기상 요소들을 바탕으로 학습되었고, 정확성 분석을 위한 실제 수요와 예측 수요 사이의 오차는 평균절대백분비오차 (MAPE)와 평균제곱근오차 (RMSE)가 사용되었다.
심층 신경망 예측 결과는 인공 신경망, 10일 평균 모델과 비교하였으며, 수용가 수요 예측의 어려움에도 불구하고 심층 신경망이 좋은 성능을 나타내었다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0