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
- 학술저널
- 저자정보
- 발행연도
- 2020.2
- 수록면
- 7 - 12 (6page)
- DOI
- 10.5391/JKIIS.2020.30.1.7
이용수
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
태양광 발전은 태양광 에너지를 전기 에너지로 변환하는 시설로 긴 설비수명, 설치 및 유지보수 용이성과 같은 장점이 있다. 하지만, 태양광 발전은 기상상태에 영향을 받기 때문에 안정적으로 전력을 생산하기 어렵다. 따라서 기상상태를 고려한 태양광 발전량 예측연구는 중요 분야가 되고 있다. 본 논문에서는 Long Short-Term Memory(LSTM)를 이용한 태양광 발전량 예측 방법을 제안한다. LSTM은 Recurrent Neural Network의 한 종류로 시계열 데이터 예측과 비선형 데이터 모델링에 효과적이다. 제안된 태양광 발전량 예측 모델의 입력변수는 일사량, 예보기온, 대기청명도. Normalized Discrete Difference 및 과거 발전량을 이용하였다. 제안된 방법의 성능을 비교하기 위해 Multiple Linear Regression(MLR), Multi-Layer Perceptron(MLP)과 비교하였다. 기상 데이터와 발전량 데이터를 이용하여 실험한 결과, LSTM을 이용하여 예측하였을 때 MLR과 MLP보다 예측 성능이 더 우수한 것을 확인할 수 있었다.
목차
요약
Abstract
1. 서론
2. 태양광 발전량 예측방법
3. 실험 결과
4. 결론 및 향후 연구
References
참고문헌 (16)
참고문헌 신청
J. Jeong, I. Park, K. Hwang and T. Ahn, “Pattern Analysis of Maximum Power Point by means of Solar Cell Module Array Simulation,” Journal of Korean Institute of Intelligent Systems, vol. 23, no. 1, pp. 72-79, 2013.
M. Abdel-Nasser and K. Mahmoud, “Accurate photovoltaic power forecasting models using deep LSTM-RNN,” Neural Computing and Applications, vol. 31, no. 7, pp. 2727-2740, 2019.
M. Hossain, S. Mekhilef, M. Danesh and L. Olatomiwa, “Application of extreme learning machine forshort term output power forecasting of three grid-connected PV systems,” Journal of cleaner production, vol. 167, pp. 395- 405, 2017.
Y. Li, Y. He, Y. Su and L. Shu, “Forecasting the daily power output of a grid-connected photovoltaic system based on multivariate adaptive regression splines,” Applied Energy, vol. 180, pp. 392-401, 2016.
U. K. Das, K. S. Tey, M. Seyedmahmoudian, S. Mekhilef, M. Y. I. Idris, W. V. Deventer, B. Horan and A. Stojcevski, “Forecasting of photovoltaic power generation and model optimization: A review,” Renewable and Sustainable Energy Reviews, vol. 81, pp. 912-928, 2018.
M. Abdel-Nasser and K. Mahmoud, “Accurate photovoltaic power forecasting models using deep LSTM-RNN,” Neural Computing and Applications, vol. 31, no. 7, pp. 2727-2740, 2019.
M. Hossain, S. Mekhilef, M. Danesh and L. Olatomiwa, “Application of extreme learning machine forshort term output power forecasting of three grid-connected PV systems,” Journal of cleaner production, vol. 167, pp. 395- 405, 2017.
Y. Li, Y. He, Y. Su and L. Shu, “Forecasting the daily power output of a grid-connected photovoltaic system based on multivariate adaptive regression splines,” Applied Energy, vol. 180, pp. 392-401, 2016.
U. K. Das, K. S. Tey, M. Seyedmahmoudian, S. Mekhilef, M. Y. I. Idris, W. V. Deventer, B. Horan and A. Stojcevski, “Forecasting of photovoltaic power generation and model optimization: A review,” Renewable and Sustainable Energy Reviews, vol. 81, pp. 912-928, 2018.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
기상 예보를 활용한 LSTM 기반 24시간 태양광 발전량 예측모델
정보과학회 컴퓨팅의 실제 논문지
2020 .10
-
기상 데이터 및 환경데이터를 활용한 LSTM 기반 태양광 발전량 예측 시스템
한국태양에너지학회 학술대회논문집
2023 .04
-
기상 예보를 활용한 LSTM 기반 24시간 태양광 발전량 예측모델
한국정보과학회 학술발표논문집
2019 .12
-
계절별 기상조건에 기반한 태양광 발전량 예측에 관한 연구
한국지능시스템학회 논문지
2021 .04
-
효과적인 태양광 발전량 예측을 위한 LSTM 및 XGBoost 모델 성능 비교 연구
Proceedings of KIIT Conference
2023 .11
-
태양광 발전량 예측을 위한 알고리즘 개발
한국태양에너지학회 학술대회논문집
2023 .04
-
기상 매개 변수를 포함한 LSTM 기반 태양광 전력 시스템의 발전량 예측
대한전기학회 학술대회 논문집
2020 .10
-
딥러닝 알고리즘을 이용한 태양광발전량 예측 모델에 대한 연구
전자공학회논문지
2023 .02
-
기상정보를 활용한 LSTM 기반 태양광 발전량 예측 기법
한국통신학회논문지
2019 .12
-
제한적인 환경에서 현재 기온 데이터에 기반한 태양광 발전 예측 모델 개발
디지털콘텐츠학회논문지
2016 .06
-
LSTM 기반 딥러닝 기술을 이용한 태양광 발전량 예측
한국통신학회 학술대회논문집
2020 .08
-
시간별 기상 변화를 고려한 LSTM 기반 일사량 예측에 관한 연구
한국지능시스템학회 논문지
2021 .02
-
RNN-LSTM을 이용한 태양광 발전량 단기 예측 모델
한국항행학회논문지
2018 .01
-
태양광 발전량 예측을 위한 다중 데이터 통합 모델 연구
한국통신학회 인공지능 학술대회 논문집
2023 .09
-
기상 데이터를 활용한 순환신경망 기반 태양광 발전량 예측 시스템
한국통신학회 학술대회논문집
2021 .06
-
빅데이터를 이용한 태양광 발전량 분석모델
정보 및 제어 논문집
2021 .04
-
기상예보를 이용한 Convolutional Attention LSTM 기반 태양광 발전량 예측 모델
한국정보과학회 학술발표논문집
2020 .07
-
기상 예보를 이용한 머신러닝 알고리즘 기반 태양광 발전량 예측 기법
한국정보기술학회논문지
2019 .09
-
철도인프라용 태양광발전시스템 확대를 위한 기상정보 활용 발전량 예측 비교 연구
한국철도학회 논문집
2017 .08
-
기상 데이터 처리방법에 따른 태양광 발전량 예측성능 비교에 관한 연구
대한전기학회 학술대회 논문집
2020 .07
이 논문의 저자 정보
이 논문과 함께 이용한 논문
기상 예보를 활용한 LSTM 기반 24시간 태양광 발전량 예측모델
손혜숙
,
김석연
,
장윤
정보과학회 컴퓨팅의 실제 논문지
2020
.10
A Deep Learning LSTM Framework for Urban Traffic Flow and Fine Dust Prediction
이홍석
,
부이 칵 남
,
선충녕
Journal of KIISE
2020
.03
LSTM을 이용한 전력 데이터 예측
이원규
,
안소영
,
임민섭
외 1명
한국정보과학회 학술발표논문집
2016
.12
신재생에너지 예측시장 참여형 태양광 발전량 예측 모델 개발
유재혁
,
김상진
,
장병훈
외 1명
한국태양에너지학회 논문집
2022
.12
다양한 가중치 최적화기법이 결합된 머신러닝 모형을 이용한 태양광 발전량의 예측
조영탁
,
이건희
,
홍준희
외 1명
한국지능시스템학회 논문지
2022
.02
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2020-003-000428896