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
학술대회자료
저자정보
박지원 (Korea University) 홍성협 (Korea University) 전호성 (Korea University) 연상훈 (Korea University) 이광호 (Korea University)
저널정보
대한설비공학회 대한설비공학회 학술발표대회논문집 대한설비공학회 2022년도 하계학술발표대회 논문집
발행연도
2022.6
수록면
587 - 590 (4page)

이용수

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

초록· 키워드

오류제보하기
To stably operate EMS(Energy Management System) that systematically manages energy in the building, there is a need for predicting energy consumption and production in advance. In this study, we used hourly observed meteorological data from January, 2018 to December, 2020 provided by the Seoul branch of the Korea Meteorological Administration. The solar altitude data are calculated through the solar angle calculator provided by One Energy. The collected data are converted into available data set by data processing strategy. The correlation analysis between each meteorological data type and solar radiation after one hour proceeded to select the input parameters on the developed model. Selected meteorological data sets are used in the learning stage of the developed LSTM structure prediction model. The predictive performance of each model were analyzed through MAE(Mean Average Error), NMBE(Normalized Mean Bias Error), CV(RMSE)(Coefficient of Variation of Root Mean Square Error), R²(Coefficient of Determination) and computational time. The model with a window size of 24 was selected by performance evaluation criteria. Valid predictive performance of solar radiation after one hour in Busan was derived also from the selected model.
#Solar Radiation Prediction(일사량 예측) #Deep Learning(딥러닝) #Long Short-Term Memory

목차

Abstract
1. 서론
2. 연구방법
3. 기준 분석 및 비교 결과
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

태양 일사량 데이터 기반 지역별 녹조 발생량 예측 모델 개발
김익환 ,  노재우 ,  강현욱 한국태양에너지학회 학술대회논문집 2022 .10
LSTM 모델을 활용한 태양열 시스템 집열량 예측
홍성협 ,  서병모 ,  연상훈 외 3명 대한설비공학회 학술발표대회논문집 2021 .06
인공지능 기반 헬스케어 건물의 에너지 효율 예측 모델
양윤경 ,  박진철 설비공학논문집 2022 .07
정확도 향상을 위한 CNN-LSTM 기반 풍력발전 예측 시스템
박래진 ,  강성우 ,  이재형 외 1명 신·재생에너지 2022 .06
LSTM-GRU 기반의 일사량 예측 모델 성능 평가
서현우 ,  이윤곤 ,  김창기 한국태양에너지학회 학술대회논문집 2022 .04

최근 본 자료

전체보기

댓글(0)

0