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
- 방준호
- 발행연도
- 2020
- 저작권
- 전북대학교 논문은 저작권에 의해 보호받습니다.
이용수41
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
In this paper, a model for predicting photovoltaic power based on collecting weather big-data and data from photovoltaic power plants is proposed with linear regression models of machining technique. The temperature, humidity, illumination, and fine dust data of photovoltaic power plants were collected and the values fused with the weather big-data were utilized as the regression model learning data. The three regression models of Linear Regression, Support Vector Regression and Deep Neural Network were compared and the results and accuracy of the error function were predicted by applying photovoltaic power data to each model. When using the Deep Neural Network model, it was confirmed that it would have the highest accuracy from the data for predicting photovoltaic power generation. Using the designed Deep Neural Network model, photovoltaic power can be predicted in any area, and accuracy can be improved according to the seasonal climate and standards of the area and the quality of comparative data.
목차
1. 서 론 12. 머신런닝 32.1. 머신러닝이란 32.2. 머신러닝의 종류 42.2.1. 지도학습과 비지도학습 53. 회귀모델 특성 및 분석방법 73.1. 상관분석과 회귀분석 73.2. 선형회귀(Linear Regression) 93.3. 서포트벡터머신(Support Vector Machine) 143.4. 서포트백터회귀(Support Vector Regression) 173.5. 심층신경망(Deep Neural Network) 193.6. 모델선택 243.6.1. 과소적합과 과잉적합 243.6.2. 바이어스와 분산 253.6.3. 검증집합과 교차검증을 이용한 선택 알고리즘 274. 공공기후데이터와 센싱데이터를 활용한 발전량 예측 방법 294.1. 실험데이터 294.2. 각 모델에 적용한 실험결과 314.2.1. 선형회귀에 적용한 결과 314.2.2. 서포트벡터회귀에 적용한 결과 334.2.3. 심층신경망에 적용한 결과 365. 결 론 40참고문헌 41
최근 본 자료
댓글(0)
0