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
Accurate power curve modeling is essential for reliable grid integration, but operational data often contain outliers caused by curtailment, turbine faults, and sensor errors. These outliers distort the wind speed power relationship and reduce prediction– accuracy. To address this, we propose an Adaptive DBSCAN outlier removal method designed to handle non-uniform data density. The approach first applies Zonal DBSCAN, which divides the data into wind speed segments using 3-quantiles and optimizes clustering parameters within each segment to detect outliers more effectively. A follow-up IQR refinement removes remaining extreme points. Using data from two wind farms, the method showed strong robustness across different conditions. When applied to polynomial regression, SVR, and spline interpolation, the cleaned data consistently improved model accuracy. Incorporating weather forecast data further demonstrated its usefulness for power generation forecasting and electricity market bidding. The proposed method provides a simple and practical preprocessing tool that enhances both operational decisions and economic performance for wind farm operators.
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) : I410-151-26-02-096079322
