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

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
전병기 (인하대학교) 김의종 (인하대학교)
저널정보
대한설비공학회 대한설비공학회 학술발표대회논문집 대한설비공학회 2022년도 하계학술발표대회 논문집
발행연도
2022.6
수록면
591 - 594 (4page)

이용수

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

초록· 키워드

오류제보하기
일사예측은 일반적으로 다양한 학습 알고리즘을 통해 과거 발생한 일사 패턴을 학습하는 Data driven 모델의 형태로 개발되어져 왔다. 최근에는 스스로 보상을 통해 학습이 이루어지는 강화학습 알고리즘이 널리 활용되고 있으나 현재까지 강화학습 기반 일사예측 모델이 개발된 사례는 매우 드물다. 본 연구에서는 강화학습 기반 일사예측 모델을 개발하고 대표적인 기존 학습모델(ANN, LSTM)을 개발해 각 학습 모델의 성능과 특징을 분석하였다. 기존의 학습모델 중 우수한 예측성능을 보인 ANN 모델은 예측 순간이 학습 기간과 비교적 비슷한 기상을 보이는 겨울철(11~1월) RMSE 53W/m² 수준의 오차를 보였으나 예측순간이 학습 기간과 멀어 질수록 실제의 일사 패턴을 제대로 묘사하지 못하면서 135W/m² 수준의 오차를 보였다. 반면 강화학습 모델의 경우 겨울철 61W/m²로 ANN모델과 비슷한 성능을 보였으며, 모델의 학습에 포함되지 않았던 기간인 여름철에도 실제와 유사한 일사 발생 패턴을 묘사하였다.

목차

Abstract
1. 서론
2. 학습기반 일사 예측 모델
3. 시뮬레이션 결과 및 분석
4. 결론
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0