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
This study presents a long-term load forecasting method that integrates the NLinear model with post-hoc calibration. Four calibration techniques—scale, shift, affine, and hour-of-day bias—are applied to correct bias and scale errors without retraining. Using Gangeo feeder load data (2015–2019), results show that scale calibration improved NLinear performance: MAE decreased from 0.5922 to 0.5687 (−4.0%), RMSE from 0.8166 to 0.7800 (−4.5%), and MAPE from 18.79% to 17.72% (−5.7%). Compared to LSTM (MAE 0.7507, MAPE 26.46%) and Autoformer (MAE 0.9712, MAPE 33.86%), the NLinear with scale calibration achieved superior accuracy. Visualization and hourly error analysis confirmed reduced bias and variability, with error medians closer to zero and narrower variance. These results demonstrate that post-hoc calibration enhances the accuracy and reliability of NLinear-based long-term load forecasting.
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) : I410-151-26-02-094747158
