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
정진화 (청주대학교) 채영태 (청주대학교)
저널정보
한국생활환경학회 한국생활환경학회지 한국생활환경학회지 제25권 제1호
발행연도
2018.2
수록면
119 - 125 (7page)
DOI
10.21086/ksles.2018.02.25.1.119

이용수

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

초록· 키워드

오류제보하기
This study investigated a selection of machine learning model to forecast electric power output from photovoltaic arrays based on forecasted weather data and historic solar radiation data. It tested two approaches to improve forecasting accuracy of power output with three typical machine learning algorithms such as Random Forest(RF), Artificial Neural Network(ANN), and Support Vector Machine(SVM). A forecasting power output was conducted with conventional weather forecasting data from national weather service which does not include solar radiation. The other approach has two steps, forecasting solar radiation with weather forecasting data and historic solar radiation data then it forecasts the electric power output of photovoltaic arrays. It has been studied the importance variables incorporated with the power output forecasting. The results show that the forecasting accuracy of the power output improves by using forecasted solar radiation data and Random Forest outperforms on this power output forecasting problem among other machine learning algorithms.
#Photovoltaic power output forecasting #Machine learning model selection #Solar radiation #Weather data

목차

Abstract
1. 서론
2. 연구방법
3. 연구결과
4. 결론
REFERENCES

참고문헌 (12)

참고문헌 신청
[학술지(정기간행물)] - 이강혁 / 2016 / 서포트 벡터 회귀를 이용한 24시간 앞의 태양광 발전량 예측 / 한국정보기술학회논문지 14 (3) : 175 ~ 183 dbpia [보고서] - IEA / 2017 / RENEWABLES 2017 google schola [기타자료] - Lennart, L. / 2001 / Black-box models from input-output measurements. 18th IEEE Instrumentation and Measurement Technology google schola [학술지(정기간행물)] - 이대종 / 2015 / 적응적 뉴로-퍼지 모델을 이용한 태양광 발전량 예측 알고리즘 개발 / 전기학회 논문지 P권 64 (4) : 246 ~ 250 dbpia [학술지(정기간행물)] - Shi, J. / 2012 / Forecasting power output of photovoltaic systems based on weather classification and support vector machines / IEEE Transactions on Industry Applications 48 (3) : 1064 ~ 1069 google schola

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

발전량 예측 모델 기반의 태양광 모니터링 시스템 고장 예측
홍제성 ,  박지훈 ,  김영철 JOURNAL OF PLATFORM TECHNOLOGY 2018 .06
서포트 벡터 머신을 이용한 태양광 발전 시스템 고장 상태 예측 알고리즘 개발
신유경 ,  Fauzan Hanif Juf ,  i 외 1명 대한전기학회 학술대회 논문집 2017 .07
태양광 발전 시스템의 발전량 예측 모델 개발과 검증
이준우 ,  김경재 ,  윤상철 외 1명 대한설비공학회 학술발표대회논문집 2017 .11
효율적인 태양광 발전량 예측을 위한 Dynamic Piecewise 일사량 예측 모델
양동헌 ,  여나영 ,  마평수 정보과학회 컴퓨팅의 실제 논문지 2017 .11
독립형 태양광 발전 시스템을 위한 기상 센싱 정보 기반 Piecewise 일사량 예측 모델
양동헌 ,  여나영 ,  김상철 외 3명 한국정보과학회 학술발표논문집 2017 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-590-001821527