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.
초록·키워드
Accurate forecasting of Global Horizontal Irradiance (GHI) is critical for enhancing both grid stability and the efficiency of solar energy systems. A comparative assessment of several deep learning models is presented in this study for real-time GHI forecasting, specifically Long Short-Term Memory (LSTM), Gated Recurrent Units (GRU), and a hybrid LSTM-GRU architecture. Approach performance is evaluated using standard metrics, including MAE, RMSE, and the R². Findings indicate that while GRUs are computationally efficient, they struggle to maintain long-term temporal dependencies. In contrast, LSTMs effectively capture these dependencies, resulting in improved forecasting accuracy. Notably, the hybrid LSTM-GRU model outperforms the individual architectures, achieving the lowest MAE (12.931), RMSE (21.825), and the highest R² (0.996), thereby demonstrating superior predictive performance. These results highlight the potential of the hybrid model in real-time solar energy applications, improving forecast reliability and grid stability. This study advances solar irradiance forecasting methodologies, thereby facilitating the integration of renewable energy sources and improving the effectiveness and reliability of grid operations.
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
