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
- 학술저널
- 저자정보
- 저널정보
- Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제26권 제10호
- 발행연도
- 2020.10
- 수록면
- 435 - 441 (7page)
- DOI
- 10.5626/KTCP.2020.26.10.435
이용수
DBpia Top 10%동일한 주제분류 기준으로최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
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
가상발전소 시장에 전력을 안정적으로 공급하기 위해서는 발전량에 대한 정확한 예측이 필요하다. 하지만 태양광 발전량은 기상 환경에 영향을 받아 발전량의 편차가 심하기 때문에 안정적인 예측이 어렵다. 본 논문에서는 LSTM 기반 태양광 발전량 예측모델을 제안한다. 우리는 기상 데이터와 기상 예보데이터를 발전량 예측모델에 입력하여 성능을 향상시킨다. 또한 상관계수를 기준으로 우선순위를 설정하여 변수를 선택한다. 태양광 발전량의 상관관계와 발전량 예측결과를 비교하여 태양광 에너지 발전량 예측에 활용되는 최적의 기상 요인을 검토한다.
목차
요약
Abstract
1. 서론
2. 관련 연구
3. 기상 요소에 따른 24시간 발전량 예측
4. 결론 및 향후 계획
References
참고문헌 (14)
참고문헌 신청
A. Graves and J. Schmidhuber Framewise phoneme classification with bidirectional LSTM and other neural network architectures, Neural networks, Vol. 18, pp. 5-6, 2005.
Z. Cui, R. Ke, Z. Pu, and Y. Wang, Deep Stacked Bidirectional and Unidirectional LSTM Recurrent Neural Network for Network-wide Traffic Speed Prediction, 6th International Workshop on Urban Computing (UrbComp 2017), 2016.
Z. Huang, W. Xu, and K. Yu, Bidirectional {LSTM-CRF} Models for Sequence Tagging, CoRR, 2015.
S. Siami-Namini and A. S. Namin, Forecasting economics and financial time series: ARIMA vs. LSTM, CoRR, 2018.
J. H. Han, Comparing Models for Time Series Analysis, 2018.
Z. Cui, R. Ke, Z. Pu, and Y. Wang, Deep Stacked Bidirectional and Unidirectional LSTM Recurrent Neural Network for Network-wide Traffic Speed Prediction, 6th International Workshop on Urban Computing (UrbComp 2017), 2016.
Z. Huang, W. Xu, and K. Yu, Bidirectional {LSTM-CRF} Models for Sequence Tagging, CoRR, 2015.
S. Siami-Namini and A. S. Namin, Forecasting economics and financial time series: ARIMA vs. LSTM, CoRR, 2018.
J. H. Han, Comparing Models for Time Series Analysis, 2018.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
기상 데이터 및 환경데이터를 활용한 LSTM 기반 태양광 발전량 예측 시스템
한국태양에너지학회 학술대회논문집
2023 .04
-
딥러닝 알고리즘을 이용한 태양광발전량 예측 모델에 대한 연구
전자공학회논문지
2023 .02
-
기상 예보를 활용한 LSTM 기반 24시간 태양광 발전량 예측모델
한국정보과학회 학술발표논문집
2019 .12
-
기상 예보를 이용한 머신러닝 알고리즘 기반 태양광 발전량 예측 기법
한국정보기술학회논문지
2019 .09
-
제한적인 환경에서 현재 기온 데이터에 기반한 태양광 발전 예측 모델 개발
디지털콘텐츠학회논문지
2016 .06
-
철도인프라용 태양광발전시스템 확대를 위한 기상정보 활용 발전량 예측 비교 연구
한국철도학회 논문집
2017 .08
-
기상상태 변동성을 고려한 LSTM 기반 태양광 발전량 예측
한국지능시스템학회 논문지
2020 .02
-
기상 데이터를 활용한 순환신경망 기반 태양광 발전량 예측 시스템
한국통신학회 학술대회논문집
2021 .06
-
계절별 기상조건에 기반한 태양광 발전량 예측에 관한 연구
한국지능시스템학회 논문지
2021 .04
-
효과적인 태양광 발전량 예측을 위한 LSTM 및 XGBoost 모델 성능 비교 연구
Proceedings of KIIT Conference
2023 .11
-
태양광 발전량 예측을 위한 알고리즘 개발
한국태양에너지학회 학술대회논문집
2023 .04
-
기상정보를 활용한 LSTM 기반 태양광 발전량 예측 기법
한국통신학회논문지
2019 .12
-
태양광 발전량과 기상변수간 상관관계 분석
한국정보통신학회 종합학술대회 논문집
2022 .05
-
빅데이터를 이용한 태양광 발전량 분석모델
정보 및 제어 논문집
2021 .04
-
기상 매개 변수를 포함한 LSTM 기반 태양광 전력 시스템의 발전량 예측
대한전기학회 학술대회 논문집
2020 .10
-
RNN-LSTM을 이용한 태양광 발전량 단기 예측 모델
한국항행학회논문지
2018 .01
-
근접한 관측소의 기상데이터를 활용한 태양광 발전량 예측 모델 개발
대한전기학회 학술대회 논문집
2021 .07
-
A Study on Comparison of Optimized Predicted Annual Energy Production and Actual Power Generation
한국신·재생에너지학회 학술대회 초록집
2017 .05
-
태양광 발전량에 주요한 영향을 미치는 기상변수 선정을 위한 탐색 및 시각화
대한전기학회 학술대회 논문집
2021 .10
-
머신러닝을 이용한 태양광 발전량 예측 및 태양 추적 패널을 이용한 발전량 연구
대한기계학회 논문집 B권
2023 .01
이 논문의 저자 정보
이 논문과 함께 이용한 논문
기상 예보를 이용한 머신러닝 알고리즘 기반 태양광 발전량 예측 기법
김정원
한국정보기술학회논문지
2019
.09
기상정보를 활용한 LSTM 기반 태양광 발전량 예측 기법
김용수
,
이상현
,
김호원
한국통신학회논문지
2019
.12
딥러닝 알고리즘을 이용한 태양광발전량 예측 모델에 대한 연구
강병복
,
윤중현
전자공학회논문지
2023
.02
기상상태 변동성을 고려한 LSTM 기반 태양광 발전량 예측
김백천
,
정승환
,
김민석
외 3명
한국지능시스템학회 논문지
2020
.02
기상 예보를 활용한 LSTM 기반 24시간 태양광 발전량 예측모델
손혜숙
,
김석연
,
장윤
한국정보과학회 학술발표논문집
2019
.12
최근 본 자료
댓글(0)
0