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
The expanding adoption of distributed photovoltaic (PV) generators introduces uncertainties into power system operation. In particular, as distribution system operators often observe only substation net load, it can be a challenging issue to obtain the gross load by separating the unobserved behind-the-meter (BTM) PV from the net load. This paper proposes a hybrid DLinear BiLSTM,– model to estimate the gross load when BTM PV measurements are unavailable. The proposed model uses a DLinear-based decomposition to split the time series input data into trend and seasonal components. Then, a bidirectional LSTM jointly learns nonlinear correlations and long- and short-term dependencies. In particular, because it uses only accessible exogenous variables such as public meteorological data (solar irradiance, temperature, precipitation/snowfall), calendar factors, and a region identifier, the method is easy to implement and scale without detailed facility-level data. The proposed model is validated by the experiment using one-year dataset obtained from a substation.
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) : I410-151-26-02-096079242
