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
- 송준희
- 발행연도
- 2022
- 저작권
- 전북대학교 논문은 저작권에 의해 보호받습니다.
이용수46
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, LSTM model was designed to predict wind speed the most closely related to the amount of wind power generation. Since wind speed is non-linear and has very intermittent characteristics, its pattern is irregular. The data used for model training was collected through a meteorological mast installed in the Yellow Sea. This research uses the actual data that consists of wind speed, wind direction, temperature, humidity, and atmospheric pressure measured in averaged 10-minutes. The proposed LSTM model was designed using Pytorch; a Python machine-learning library trained and tested while controlling hyper parameters. Error validation and optimization were performed for the model through MSELoss and Adam Optimizer. The final result was found through short-term prediction of 6 hours and a total of 1994 learning cycles resulted in the minimum error.
목차
1. 서 론 11.1 연구 배경 11.2 연구의 필요성 21.3 연구 목적 41.3.1 NWP 기법 41.3.2 시계열 기법 51.3.3 MCP 기법 51.3.4 인공지능 기법 62. LSTM 모델 82.1 LSTM 모델이란 82.2 LSTM 모델의 알고리즘 92.3 LSTM 모델의 순전파와 역전파 112.4 LSTM 모델의 순전파와 역전파 방법 122.4.1 순전파 방법 122.4.2 역전파 방법 133. 풍황 실측데이터 취득 173.1 풍황계측기를 이용한 실측데이터 취득 173.2 취득된 실측데이터의 전처리 214. 풍력발전량 단기 예측을 위한 LSTM 모델 설계 234.1 LSTM 모델의 유형 234.1.1 One To One 234.1.2 One To Many 244.1.3 Many To One 244.1.4 Many To Many 254.2 Many To One 유형의 적용 274.3 설계된 모델의 오차 검증 284.3.1 MSELoss 294.3.2 Adam optimizer 295. 풍력발전량 단기예측을 위한 LSTM 모델 시뮬레이션 325.1 설계된 모델의 파라미터 상관성 분석 325.1.1 학습의 반복 횟수에 따른 정확도 335.1.2 Hidden dimension에 따른 정확도 365.1.3 Sequence length에 따른 정확도 405.1.4 Learning rate에 따른 정확도 435.1.5 설계된 모델의 파라미터 상관성 분석 결과 465.2 풍력발전량 단기 예측 결과 475.3 시뮬레이션 결과 오차 검증 526. 결론 54[참고문헌] 55
최근 본 자료
댓글(0)
0