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
김경환 (Soongsil University) 박래준 (Soongsil University) 조세원 (Soongsil University) 송경빈 (Soongsil University)
저널정보
한국조명·전기설비학회 조명·전기설비학회논문지 조명·전기설비학회논문지 제31권 제12호
발행연도
2017.12
수록면
113 - 119 (7page)
DOI
10.5207/JIEIE.2017.31.12.113

이용수

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

초록· 키워드

오류제보하기
The short-term load forecasting is essential for efficient operation of electricity market, economical operation plan of generators, and prevention of outage events. 24-hour load forecasting algorithm using neural network algorithm is proposed. The input parameters of the artificial neural network are composed of time index, hourly load data, hourly temperature data for the day before the forecasting day and hourly load data, hourly temperature data for two days before the forecasting day. The output parameters are hourly load data on the forecasting day. The artificial neural network training is performed using the past 28 training cases. The min-max normalization is used as a normalization method of input parameters such as time index, hourly load data, and hourly temperature data during training. The case studies show that the average percentage errors of the proposed algorithm are improved comparing with errors of the exponential smoothing method. The proposed algorithm is expected to contribute to the efficient operation of power system and electric power market by providing more accurate predictive load value of day ahead electricity demand.
#Load Forecasting #Artificial Neural Network #Artificial Intelligence

목차

Abstract
1. 서론
2. 인공신경망 이론
3. 인공신경망을 이용한 하루 전 전력 수요 예측
4. 사례연구
5. 결론
References

참고문헌 (20)

참고문헌 신청
Ghofrani, M., Ghayekhloo, M., Arabali, A. and Ghayekhloo, A., “A Hybrid Short-Term Load Forecasting with a New Input Selection Framework,” ELSEVIER Energy, Vol. 81, pp. 777-786, Jan. 2015. Akouemo, H. N. and Povinelli, R. J., “Data Improving in Time Series Using ARX and ANN Models,” IEEE Transactions on Power Systems, Vol. 32, No. 5, Sep. 2017. Srivastava, A. K., Pandey, A. S. and Singh, D., “Short-Term Load Forecasting Methods: A Review,” in Proc. Int. Conf. Emerg. Trends Elect. Electron. Sustain. Energy Syst., Sultanpur, India, pp. 130-138, Mar. 2016. Ko, C. N. and Lee, C. M., “Short-term load forecasting using SVR (support vector regression)-based radial basis function neural network with dual extended Kalman filter,” ELSEVIER Energy, Vol. 49, pp. 413-422, Dec. 2012. Takeda, H., Tamura, Y. and Sato, S., “Using the ensemble Kalman filter for electricity load forecasting and analysis,” ELSEVIER Energy, Vol. 104, pp. 184-198, Apr. 2016.

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

계절 및 날씨 정보를 이용한 인공신경망 기반 전력수요 예측 알고리즘 개발
김미경 ,  홍철의 전자공학회논문지 2016 .01
건물 냉방시스템의 예측제어를 위한 인공신경망 모델 개발
강인성 ,  양영권 ,  이효은 외 2명 KIEAE Journal 2017 .10
셋백기간 중 건물 냉방시스템 부하 예측을 위한 인공신경망모델 성능 평가
박보랑 ,  최은지 ,  문진우 KIEAE Journal 2017 .08
인공신경망을 이용한 공급사슬의 성과 예측모형
윤성준 ,  박양병 대한산업공학회 춘계공동학술대회 논문집 2016 .04
기온 데이터를 이용한 하계 단기전력수요예측
구본길 ,  김형수 ,  이흥석 외 1명 전기학회논문지 2015 .08

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-565-001584426