인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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.
피인용 0
초록·키워드
태양 에너지 예측은 불규칙한 에너지의 공급과 수요를 관리하고, 원활한 에너지 거래를 위해 매우 중요하다. 본 연구에서는 동적모드분할(DMD: dynamic mode decomposition) 계열의 네 가지 방법을 사용하여 다양한 기간에 대해 태양 에너지를 예측하였으며, MAPE 및 R2를 사용하여 예측 성능을 평가하였다. 연구 결과, 새로운 데이터의 특성을 시스템 행렬에 실시간으로 반영할 수 있는 실시간 동적모드분할(SDMD: streaming dynamic mode decomposition) 방법이 DMD 방법보다 더 낮은 오차율을 달성하였다. 또한 입력 변수의 영향을 반영할 수 있는 동적모드분할 방법(DMDc: dynamic mode decomposition with control)을 이용하여, 예측의 정확도를 향상시키고자 하였으며, 온도와 습도의 정보가 추가적으로 제공될 때, 예측 성능이 향상되는 것을 확인하였다. 일반적인 데이터 기반 예측 방법의 경우, 훈련 데이터의 비율이 커질수록 오차율이 감소하는 경향을 보인다. 하지만 태양에너지는 날씨에 따라 데이터의 규칙성이 크게 영향을 받으므로, 훈련 데이터의 비율 뿐만 아니라, 데이터의 예측 구간 역시 오차율에 크게 영향을 미친다는 것을 확인하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092717308
