인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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.
학술저널
Full-text
오류 신고하기해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
초록·키워드
The yearly system marginal prices (SMPs) in mainland Korea, from 2020 to 2030, were predicted using significant amounts of machine learning training data. The factors for deciding SMP were collected from public data portal sites. The factors included supply capacity, maximum power, supply reserve, liquefied natural gas (LNG), West Texas intermediate crude oil (WTI), and FOB Kalimatan. The best two factors for forecasting SMP, LNG, and WTI were selected through correlation analysis. The training data were divided into cases, A for 10 years and B for 5 years. The models, K-nearest neighbor (KNN), light gradient boost machine (LGBM), random forest (RF), and support vector regression (SVR) models were used for machine learning, and their accuracy was evaluated. Finally, long-term mainland SMPs were forecasted using Japanese LNG and WTI prices. The resultant model for the most accurate machine learning was LGBM which was used to forecast long-term SMPs. The mainland SMP was predicted to decrease from 2020 to 2022 and then maintain 72 KRW/kWh for Case A and 69 KRW/kWh for Case B until 2030.
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
