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
- 2019.6
- 수록면
- 42 - 48 (7page)
- DOI
- 10.5207/JIEIE.2019.33.6.042
이용수
초록· 키워드
오류제보하기
Uncertainty and variability in photovoltaic power generation can cause instability in the power system. Accurate photovoltaic power generation forecasts are needed to reduce instability in the system of solar power generation. Forecasting is the most cost-effective method of improving the reliability of the system. In this paper, we propose the short-term photovoltaic power forecasting using support vector regression. Kriging method is used to estimate the solar irradiance of the solar plant. When forecasting solar power through the support vector regression model, the accuracy of the forecasting was high compared to other models.
목차
Abstract
1. 서론
2. SVR의 이론적 배경
3. 태양광발전 예측을 위한 데이터베이스 구축
4. 태양광발전 출력예측 결과
5. 결론
References
참고문헌 (12)
참고문헌 신청
International Energy Agency, “Renewable 2018,” 2018.
Barbara O’Neill, “Forecasting Wind,” NREL, 2016.
Vermont T., “New Forecasting Tool Enhance Wind Energy Integration In Idaho and Oregon,” U.S Department of Energy, 2014.
Antonanzas, J., Osorio, N., Escobar, R. Urrarca, R., Martinez-de-Prison, and et al., “Review of Photovoltaic Power Forecasting,” Solar Energy, Vol. 136, pp. 78-111, 2016.
Smola, A. J. and Scholkopf, B., “A Tutorial on Support Vector Regression,” Statistics and Computing, Vol. 12, No. 5, pp. 199-222, 2004.
Barbara O’Neill, “Forecasting Wind,” NREL, 2016.
Vermont T., “New Forecasting Tool Enhance Wind Energy Integration In Idaho and Oregon,” U.S Department of Energy, 2014.
Antonanzas, J., Osorio, N., Escobar, R. Urrarca, R., Martinez-de-Prison, and et al., “Review of Photovoltaic Power Forecasting,” Solar Energy, Vol. 136, pp. 78-111, 2016.
Smola, A. J. and Scholkopf, B., “A Tutorial on Support Vector Regression,” Statistics and Computing, Vol. 12, No. 5, pp. 199-222, 2004.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
SVR을 이용한 태양광 발전 예측 및 모델 학습기간에 따른 예측 오차 분석
대한전기학회 학술대회 논문집
2018 .07
-
Support Vector Regression 기반의 단기 풍력발전 예측시스템 개발
조명·전기설비학회논문지
2017 .09
-
Research Trends of Photovoltaic Power Forecasting Using Machine Learning
AFORE
2022 .09
-
Short-Term Photovoltaic Power Generation Forecasting Based on Environmental Factors and GA-SVM
Journal of Electrical Engineering & Technology
2017 .01
-
태양광발전 출력예측모형 고도화를 위한 SVR 모델 파라미터 특성 분석
대한전기학회 학술대회 논문집
2019 .07
-
An Ensemble Learning Method for Solar Power Forecasting
한국통신학회 학술대회논문집
2018 .01
-
기상정보를 이용한 태양광 발전량 예측서비스 개발
대한전기학회 학술대회 논문집
2021 .07
-
머신러닝을 이용한 태양광 발전량 예측 모델 비교
대한산업공학회지
2021 .10
-
Solar Photovoltaic Generation Forecasting using Machine Learning Methods
The Journal of Contents Computing
2020 .06
-
확률기반의 Hybrid Spatio-Temporal 태양광발전 예측시스템 개발
조명·전기설비학회논문지
2018 .10
-
배전계획을 위한 분산전원 예측모델 장단점 및 사례분석
전기학회논문지
2021 .09
-
Intermittent Demand Forecasting in the Case of Medical Apparatus By Improving Forecasting Accuracy
대한산업공학회 추계학술대회 논문집
2015 .11
-
A Survey on Photovoltaic Power Generation Forecasting based on Neural Network
한국통신학회 학술대회논문집
2019 .11
-
PREDICTION MODEL OF PHOTOVOLTAIC POWER GENERATION FROM WEATHER DATA USING MACHINE LEARNING
AFORE
2018 .08
-
SVR 기반 단기 전력수요 예측 알고리즘 개발
전기학회논문지 P
2019 .06
-
기상예보 및 통계분석 기반 태양광 발전량 예측
한국신·재생에너지학회 학술대회 초록집
2019 .05
-
재생에너지 발전량 예측제도 참여자원의 태양광 예측오차율 분석
대한전기학회 학술대회 논문집
2024 .04
-
확률적 모형 기반 태양광 발전량 예측 연구동향 분석
대한전기학회 학술대회 논문집
2019 .04
-
태양광발전을 고려한 RF 모델 기반 제주 하계 전력수요예측
한국조명·전기설비학회 학술대회논문집
2021 .05
-
신재생에너지 예측시장 참여형 태양광 발전량 예측 모델 개발
한국태양에너지학회 논문집
2022 .12
이 논문의 저자 정보
이 논문과 함께 이용한 논문
항공사 고객의 웰니스인식이 기내서비스품질 및 고객시민행동에 미치는 영향: 잠재적 관광욕구의 조절효과
김효주
,
이규민
관광레저연구
2023
.04
제로에너지건물 구축을 위한 PV + ESS 액티브 시스템의 최적운영개발에 관한 연구
우성민
,
문진철
,
안종욱
외 1명
한국태양에너지학회 논문집
2019
.10
신재생에너지 기반 에너지 자립을 위한 스마트팜 운영 최적화 관련 해석적 연구
박지선
,
양원
,
김성일
외 1명
한국신·재생에너지학회 학술대회 초록집
2023
.06
스마트팜 생육환경 데이터 획득 및 분석
한석호
,
장훈석
한국정보전자통신기술학회 논문지
2023
.06
와류기인진동을 이용한 신재생에너지 발전에서 유체력 추정연구
박홍래
신·재생에너지
2023
.06
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2019-565-000688674