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
최성현 (Sangmyung Univerity) 허진 (Sangmyung Univerity)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제69권 제7호
발행연도
2020.7
수록면
978 - 984 (7page)
DOI
10.5370/KIEE.2020.69.7.978

이용수

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

초록· 키워드

오류제보하기
As the world is aware of the problem of greenhouse gas emissions, the trend of generating energy source has been changing from conventional fossil fuels to sustainable energy such as solar and wind. In order to reduce greenhouse gas emissions, the ratio of renewable energy sources should be increased. However, renewable energy sources highly depend on weather conditions and it has intermittent generation characteristics, thus embedding uncertainty and variability. As a result, it can cause variability and uncertainty in the power system, and that is why it is essential to have accurate forecasting technology of renewable energy to address this problem. We proposed a bagging model which is using an ensemble model as a base learner and what we set for the base learner is a XGBoost. Results showed that ensemble learner-based bagging models averagely have lower error compared to the bagging model using single model learner. Through the use of accurate forecasting technology, we will be able to reduce uncertainties in the power system and expect improved system reliability.
#Bagging #XGBoost #Machine Learning Ensemble Model #Optimized Hyper Parameter #Photovoltaic Power Forecasting

목차

Abstract
1. 서론
2. 본론
3. 예측 모형 모델링 과정
4. 예측 모형 평가 및 결과
5. 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

데이터 마이닝에서 배깅, 부스팅, SVM 분류 알고리즘 비교 분석
이영섭 ,  오현정 ,  김미경 응용통계연구 2005 .07
데이터 bagging을 활용한 링 타입 Auto Tool Changer shaft의 가속 수명 인자 적정성 평가에 관한 연구
강세찬 ,  김성재 ,  성규진 외 1명 한국기계가공학회지 2023 .02
도시화율 및 산업 구성 차이에 따른 딥러닝 기반 전력 수요 변동 예측 및 전력망 운영
김가영 ,  이상훈 한국수소및신에너지학회논문집 2022 .10
Prediction of chloride concentration in groundwater on Jeju Island using XGBoost regression machine learning
심대천 ,  이진용 ,  장지욱 외 1명 지질학회지 2022 .06
XGBoost-LSTM 앙상블을 이용한 태양광 발전량 예측
권승일 ,  강상길 한국지능시스템학회 논문지 2021 .12

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2020-560-000860534