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
권보성 (Soongsil University) 송경빈 (Soongsil University)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제69권 제6호
발행연도
2020.6
수록면
765 - 771 (7page)
DOI
10.5370/KIEE.2020.69.6.765

이용수

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

초록· 키워드

오류제보하기
It is important to accurately forecast the peak load for winter and summer to maintain an adequate reserve power and operate a stable power system. Deep neural networks are used to forecast the peak load for winter and summer, which reflect the periodic features of load and factors that have nonlinear relationship with load. For the mid-term load forecasting model using deep neural networks, the model structure is improved to a deep neural network forecasting model in which the long short-term memory(LSTM) layer and the fully-connected(FC) layer are connected in parallel. The forecast models using deep neural networks are classified into an average temperature model, a highest temperature model, and a lowest temperature model according to the type of input data. The proposed ensemble model is a model in which the structure of deep neural network is improved and the monthly optimal weight is applied to the three models according to the type of the temperature input. The proposed ensemble model has improved the mean absolute percentage error(MAPE) and the variance of MAPE than the multiple linear regression model and the forecast model which are trained using various temperature.
#Peak Load Forecasting #Deep Neural Networks #Ensemble Forecasting Method

목차

Abstract
1. 서론
2. 심층 신경망 기반의 앙상블 모형을 이용한 동 · 하계 최대 전력수요예측
3. 사례 연구
4. 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

V2G 기술을 활용한 배전계통 신뢰도 향상에 관한 연구
오병찬 ,  김성열 전기학회논문지 2020 .05
북한의 토지가격평가방법에 관한 연구
김미숙 ,  박은숙 국토계획 2019 .12
XGBoost 기법을 이용한 단기 전력 수요 예측 및 하이퍼파라미터 변화에 따른 영향 분석
오재영 ,  함도현 ,  이용건 외 1명 전기학회논문지 2019 .09
미세먼지 예측을 위한 기계 학습 알고리즘의 적합성 평가
조경우 ,  정용진 ,  강철규 외 1명 한국정보통신학회논문지 2019 .01
비스듬히 던진 물체의 공기저항을 고려한 재귀 최소 자승법 기반 실시간 포물선 운동 궤적 추정
정상윤 ,  좌동경 전기학회논문지 2018 .03

최근 본 자료

전체보기

댓글(0)

0