메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국엔터프라이즈아키텍처학회 정보기술아키텍처 연구 정보기술아키텍처 연구 제14권 제4호
발행연도
2017.1
수록면
387 - 393 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
태양광 에너지 출력을 정확히 예측하는 것은 전력계통의 예비전력 요구량을 감소시켜 에너지의이용률을 극대화할 수 있다. 한국전력거래소는 특정시간의 전력수요를 예측하고 이에 기반하여 각 발전소들의 발전비용 순위에 의해 선별하여 발전지시를 하고 가격을 책정한다. 본 논문에서는 기상정보를 가지고 태양광 발전 예측 시스템을 개발하는 것으로 예측 정확도를 향상하기 위한 딥러닝 모델을만들고, 현업에서 사용하는 방식과 휴리스틱방식, 딥러닝 방식의 태양광 발전량 예측값을 비교하였다. 발전량 데이터에 적용한 결과 딥러닝 방식의 태양광 발전량을 직접 예측하는 방법이 현업에서 사용하는 방식과 휴리스틱방식에 비해 정확하다는 것을 확인 하였다.
#딥러닝 #다중회귀분석 #태양광 발전량 예측 #모니터링 #Monitoring #Deeplearning #Multivariable linear regression #Forecasting solar power generation #Monitering

목차

등록된 정보가 없습니다.

참고문헌 (7)

참고문헌 신청
/ / KMA google schola / / https://medium.com/@youngji/ / 2003 / Poeer Exchange Glossary / Korea Power Exchange google schola Fengming Zhang / 2011 / A Study on Solar Radiation Prediction using Artificial Neural Network / Proceedings of the KIEE summer annual conference : 354 ~ 356 google schola Jea-Gon Kim / 2017 / Daily prediction of solar power generation based on weather forecast information in Korea / IET Renewable Power Generation 11 (10) : 1268 ~ 1273 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0