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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 유재수
- 발행연도
- 2023
- 저작권
- 충북대학교 논문은 저작권에 의해 보호받습니다.
이용수10
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Domestic electricity is produced using various energy sources, and thermal powergeneration accounts for the largest proportion of them, but renewable energygeneration to replace it is attracting attention due to carbon dioxide emission andfuel depletion. Although the demand for power generation using doublephotovoltaics is continuously increasing, solar power generation fluctuates greatlydepending on external conditions, and even distribution areas with the same solarradiation do not produce the same electricity, so it is necessary to reflect otherfactors besides weather factors in order to improve the accuracy of solar powergeneration prediction. Therefore, this thesis constructed a dataset by collectingmeteorological data used for predicting existing solar power generation and moduletemperature among solar power generation as facility data, and developed aprediction model using LSTM (Long Short-Term Memory), which is effective fortime series data analysis and prediction. When comparing the model using onlymeteorological data and the model using meteorological data and facility data, itwas confirmed that the prediction performance of the model using meteorologicaldata and facility data was slightly higher with RMSE of 0.08065 and 0.06985,respectively.
목차
Ⅰ. 서 론 1Ⅱ. 태양광 발전 동향 및 관련연구 51. 태양광 발전 시장 동향 52. 태양광 발전 관련 연구 동향 73. 예측을 위한 딥러닝 기법 93.1. 신경망 93.2. RNN 103.3. LSTM 10Ⅲ. 제안하는 LSTM 기반 태양광 발전량 예측 기법 121. 전체 처리 과정 122. 데이터셋 132.1. 데이터 수집 132.2. 데이터 전처리 172.3. 데이터 스케일링 193. LSTM 예측 모델 개발 213.1. 개발 환경 213.2. LSTM 모델 구성 21Ⅳ. 성능평가 221. 성능평가 환경 222. 성능평가 지표 233. 설비데이터 유무에 따른 비교 244. RNN, LSTM에 따른 비교 26Ⅴ. 결 론 29참고문헌 30
최근 본 자료
댓글(0)
0