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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
전병기 (한국건설기술연구원) 김의종 (인하대학교)
저널정보
한국태양에너지학회 한국태양에너지학회 논문집 한국태양에너지학회 논문집 제43권 제5호
발행연도
2023.10
수록면
43 - 59 (17page)

이용수

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

초록· 키워드

오류제보하기
Prediction of solar irradiance that influences the building load and production of new and renewable energy is crucial in the predictive control of buildings. However, most solar irradiance prediction models are developed using weather data measured over a long term in the target region. This study proposed a solar irradiance prediction model based on a hybrid layer that combined a long short-term memory layer and a bi-directional long short-term memory layer. Next, the solar irradiance of the following day was predicted using only the hourly irradiance measured on site one day before the prediction day using a model trained with the weather data of another region. The proposed solar irradiance prediction model showed an RMSE of 69.5 W/m2, a level suitable for the predictive control of buildings. Moreover, although training data from a different region was used, the performance of the proposed model was similar to that of a model trained with long-term data measured in the target region.

목차

Abstract
1. 서론
2. LSTM networks
3. Hybrid LSTM model for predicting solar irradiance
4. 결과
5. 결론
REFERENCES

참고문헌 (43)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0