머신러닝을 이용한 태양광 발전량 예측 및 태양 추적 패널을 이용한 발전량 연구

Q: 이 논문에서 정의한 순환신경망이란 무엇인가?

순환신경망은 학습된 기록을 다음 단계의 학습에도 반영하는 구조를 일컫는다. 이는 시간의 흐름이 변수에 영향을 미치는 시계열 데이터 기반 학습 방식에 특히 유리하며, 본 연구에서는 태양광 발전량 예측을 위해 RNN, LSTM, GRU와 같은 대표적인 순환신경망 모델들을 활용하여 그 성능을 비교하였다.

Q: 태양광 발전량 예측 시 앙상블 기법 중 어떤 방식이 가장 효과적인가?

연구 결과, 단일 모델 대신 앙상블 기법 중 보팅(voting) 기법을 적용했을 때 가장 좋은 예측 성능을 보여주었다. 특히 데이터가 충분하지 않은 상황에서는 RNN, LSTM, GRU 각 모델의 최적 에포크를 반영한 보팅 회귀 모델이 예측 성능을 극대화할 수 있음을 확인하였다.

기준홍; 백승준; 소재영; 엄한결; 신정헌

doi:10.3795/KSME-B.2023.47.1.055

학술저널 DBpia Top 5%

저자정보: 기준홍 (홍익대학교) 백승준 (홍익대학교) 소재영 (홍익대학교) 엄한결 (홍익대학교) 신정헌 (홍익대학교)

저널정보: 대한기계학회 대한기계학회 논문집 B권 대한기계학회논문집 B권 제47권 제1호(통권 제448호)

오류 신고하기

피인용 1

검색

초록·키워드

전 세계적으로 신재생 에너지의 중요성이 부각됨에 때라 대한민국은 2030년까지 신재생에너지 발전비중을 30.2%까지 늘리는 것을 목표로 하고 있다. 태양광 발전은 국내 신재생 에너지 발전량 중 80% 이상을 차지하는 중요한 역할을 한다. 하지만, 태양광 발전은 기상요소에 따라 발전량이 크게 변동하므로 안정적인 에너지 확보를 위해서 태양광 발전의 불안정성에 대한 대응과 발전량 증대가 필요하다. 따라서 본 논문에서는 기상데이터를 기반으로 머신러닝 모델을 학습시켜 태양광 발전량을 예측하고, 계절 및 시간에 따라 변화하는 태양 고도와 방위각을 계산하고, 태양을 추적하도록 발전 패널 제어하여 태양광 발전량을 증가시킨다. 실험 결과 0.208의 제곱평균오차 이내로 발전량을 예측했고, 태양 추적 전후 발전량의 차이가 23.4%임을 확인하였다.

#Machine Learning(기계학습) #Recurrent Neural Network(순환신경망) #Pearson Correlation(피어슨 상관관계) #Ensemble(앙상블) #Photovoltaics(태양광 발전) #Field Experiments(실험) #Sun Tracking System(태양추적시스템) #Computation of Sun Position(태양위치계산)

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-ECN-0101-2023-550-000333816

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료