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
질문

논문 기본 정보

자료유형
학술저널
저자정보
권오극 (충남대학교) 차한주 (충남대) 홍현표 (한국수자원공사) 조현식 (한국수자원공사)
저널정보
전력전자학회 전력전자학회논문지 전력전자학회 논문지 제28권 제4호
발행연도
2023.8
수록면
263 - 270 (8page)
DOI
10.6113/TKPE.2023.28.4.263

이용수

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

초록· 키워드

오류제보하기
Wind and the sun are major sources of renewable energy; however, operating a power grid is difficult, as renewable energy can infiltrate the grid rapidly because of the volatility and intermittent nature of renewable energy. To reduce the volatility of renewable energy, predicting solar power generation is important. The solar radiation amount is an important factor in solar power prediction. Based on the data recorded by the Chungju floating photovoltaic system, a prediction model was created in this study, and the power generation amount was predicted hourly. The prediction method used a recurrent neural network LSTM model, and the prediction model for predicting solar power generation was presented as well as the hyperparameter selection process. In addition, the accuracy of the prediction models was presented based on the different parameters. The prediction error decreased, and the optimal model was selected based on the optimal setting of the different hyperparameters. Results with few errors were obtained through 24-hour bundled calculation, the Sigmoid activation function, the Nadam optimum, and a batch size of 30.
#Recurrent Neural Network #Power Generation Prediction #Floating Photovoltaic #LSTM #AI

목차

Abstract
1. 서론
2. 충주 수상태양광 발전량 예측
3. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

결측치 보간 알고리즘을 적용한 앙상블 기반의 태양광 발전량 예측 시스템
박수빈 ,  김진성 ,  정세훈 외 1명 멀티미디어학회논문지 2023 .08
딥러닝을 활용한 광역계통의 태양광 발전량 예측
이호준 ,  윤상철 ,  정훈희 외 5명 대한전기학회 학술대회 논문집 2023 .07
기상청 예보 기반 240시간 태양광 발전량 예측 모형 개선 연구
박희준 ,  심현보 ,  허성일 외 4명 대한전기학회 학술대회 논문집 2023 .07
태양광발전소의 하루 전(Day-Ahead) 발전량 예측 고도화
Desy Caesa ,  y ,  최철호 외 2명 한국신·재생에너지학회 학술대회 초록집 2023 .06
모델예측방법을 이용한 무인주행자동차의 실시간 경로탐색 및 충돌회피 알고리즘
송석기 ,  이중범 ,  공경철 대한기계학회 춘추학술대회 2011 .11

최근 본 자료

전체보기

댓글(0)

0