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
이현진 (숭실사이버대학교)
저널정보
한국멀티미디어학회 멀티미디어학회논문지 멀티미디어학회논문지 제19권 제8호
발행연도
2016.8
수록면
1,530 - 1,537 (8page)

이용수

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

초록· 키워드

오류제보하기
Recently, solar power generation shows the significant growth in the renewable energy field. Using the short-term prediction, it is possible to control the electric power demand and the power generation plan of the auxiliary device. However, a short-term prediction can be used when you know the weather forecast. If it is not possible to use the weather forecast information because of disconnection of network at the island and the mountains or for security reasons, the accuracy of prediction is not good. Therefore, in this paper, we proposed a system capable of short-term prediction of solar power generation amount by using only the weather information that has been collected by oneself. We used temperature, humidity and insolation as weather information. We have applied a moving average to each information because they had a characteristic of time series. It was composed of min, max and average of each information, differences of mutual information and gradient of it. An artificial neural network, SVM and RBF Network model was used for the prediction algorithm and they were combined by Ensemble method. The results of this suggest that using a moving average during pre-processing and ensemble prediction models will maximize prediction accuracy.
#Prediction of Solar Power Generation #Neural Networks #Moving Average #Ensemble

목차

ABSTRACT
1. 서론
2. 예측방법
3. 제안하는 예측 모델
4. 실험환경 및 결과
5. 결론
REFERENCE

참고문헌 (8)

참고문헌 신청
[인터넷자원] - / / BP Statistical Review of World Energy June 2016 google schola [학술대회논문] - S.M. Lee / 2015 / Backpropagation Algorithm Based Fault Detection Model of Solar Power Generation Using Weather Data and Solar Power Generation Data / Proceedings of the Korea Information Processing Society Conference 22 (1) google schola [학술지(정기간행물)] - 송재주 / 2014 / 태양광 발전을 위한 발전량 예측 모델 분석 / 디지털융복합연구 12 (3) : 243 ~ 248 dbpia [학술대회논문] - N. Sharma / 2011 / Predicting Solar Generation from Weather Forecasts Using Machine Learning / Proceeding of IEEE International Conference on Smart Grid Communications : 528 ~ 533 google schola [학술지(정기간행물)] - 이창성 / 2016 / 군집화 알고리즘 및 모듈라 네트워크를 이용한 태양광 발전 시스템 모델링 / 전기학회 논문지 P권 65 (2) : 108 ~ 113 dbpia

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

적응적 뉴로-퍼지 모델을 이용한 태양광 발전량 예측 알고리즘 개발
이대종 ,  이종필 ,  이창성 외 2명 전기학회논문지 P 2015 .12
태양광발전 영향 요소 분석
김성수 ,  최한호 한국에너지기후변화학회 학술대회 2016 .11
실측데이터 및 기상정보를 이용한 태양광 출력 예측 프로그램 개발
오찬혁 ,  오민득 ,  고석일 외 2명 대한전기학회 학술대회 논문집 2016 .07
제한적인 환경에서 현재 기온 데이터에 기반한 태양광 발전 예측 모델 개발
이현진 디지털콘텐츠학회논문지 2016 .06
서포트 벡터 회귀를 이용한 24시간 앞의 태양광 발전량 예측
이강혁 ,  김우제 한국정보기술학회논문지 2016 .03

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2017-004-001136680