최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.20 no.3, 2015년, pp.19 - 27
김세영 (부산대학교 전자전기컴퓨터공학과) , 김정민 (부산대학교 전자전기컴퓨터공학과) , 류광렬 (부산대학교 전자전기컴퓨터공학과)
Technologies of wind power generation for development of alternative energy technology have been accumulated over the past 20 years. Wind power generation is environmentally friendly and economical because it uses the wind blowing in nature as energy resource. In order to operate wind power generati...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
풍력 발전의 장점은? | 마이크로그리드는 기존의 광역적 전력 시스템으로부터 독립된 소규모 전력 공급 시스템으로 공급 전력을 우선적으로 재생 에너지로부터 얻는 것을 목표로 한다. 마이크로그리드에서 사용하는 재생 에너지 중 하나인 풍력 발전은 발전 효율이 낮은 단점이 있으나 자연에서 얻는 바람의 에너지를 이용하므로 연료비가 거의 들지 않고 또한 자원이 고갈 되지 않는 이점이 있어 신재생 에너지로 각광받고 있다. 현재 마이크로 그리드에서 풍력 발전량을 예측하여 운영하지는 않지만 풍력 에너지는 기상 상태에 영향을 받아 가변적이기 때문에 안정적인 전력 공급을 위해서는 정확도 높은 미래 풍속 예측을 통해 적절한 전력 공급 계획을 세울 필요가 있다. | |
마이크로그리드는 무엇을 목표로 하는가? | 마이크로그리드는 기존의 광역적 전력 시스템으로부터 독립된 소규모 전력 공급 시스템으로 공급 전력을 우선적으로 재생 에너지로부터 얻는 것을 목표로 한다. 마이크로그리드에서 사용하는 재생 에너지 중 하나인 풍력 발전은 발전 효율이 낮은 단점이 있으나 자연에서 얻는 바람의 에너지를 이용하므로 연료비가 거의 들지 않고 또한 자원이 고갈 되지 않는 이점이 있어 신재생 에너지로 각광받고 있다. | |
풍속을 예측하는 방법은 무엇이 있는가? | 풍속을 예측하는 방법은 다음과 같이 네 가지로 구분할 수 있다. : (1) 지속적 방법(Persistence method), (2)물리적 방법 (Physical method), (3)통계적 방법(Statistical method)과 인공 지능을 이용한 방법(Artificial Intelligence method), (4)앞의 방법들을 혼합한 방법 (Hybrid method).[1-2] |
Y. K. Wu, and J. S. Hong, "A literature review of wind forecasting technology in the world," Proceedings of the IEEE conference on Power Tech, Lausanne, pp. 504-509, July. 2007.
E. Erdem, and J. Shi, "ARMA based approaches for forecasting the tuple of wind speed and direction," Applied Energy, vol. 88, no. 4, pp. 1405-1414, April. 2011.
M. Milligan, M. Schwartz, and Y. Wan, "Statistical Wind Power Forecasting models: results for U.S. Wind Farms", National Renewable Energy Laboratory, Golden, Colorado. May. 2003, NREL/CP-500-33956 (Preprint)
M. Monfared, H. Rastegar, and H. M. Kojabadi, "A new strategy for wind speed forecasting using artificial intelligent methods," Renewably Energy, vol. 34, no. 3, pp. 845-848, Mar. 2009
Z. Guo, J. Wu, H. Lu, and J. Wang, "A case study on a hybrid wind speed forecasting method using BP neural network," Knowledge-based systems, vol. 24, no. 7, pp. 1048-1056, Oct. 2011.
M. Ross, R. Hidalgo, C. Abbey, and G. Joos, "Energy storage system scheduling for an isolated microgrid," IET Renew. Power Gener., vol. 5, no. 2, pp. 117-123, Mar. 2011
S. Russell, and P. Norvig, "Artificial Intelligence : A Modern Approach Third Edition," Pearson Education, pp737-738, 2010.
C. G. Atkeson, A. W. Moore, and S. Schaal, "Locally weighted learning for control," Lazy learning. Springer Netherlands, pp. 75-113, 1997.
J. R. Quinlan, "Learning with continuous classes," 5th Australian Joint Conference on Artificial Intelligence, pp. 343-348, 1992.
Y. Wang, and I. H. Witten, "Induction of model trees for predicting continuous classes," Working paper 96/23, Hamilton, New Zealand: University of Waikato, Department of Computer Science, 1996.
R. Kohavi, and G. H. John, "Wrappers for feature subset selection," Artificial Intelligence, vol. 97, no. 1-2, pp. 273-324, Dec. 1997.
I. Guyon, and A. Elisseeff, "An Introduction to Variable and Feature Selection," The Journal of Machine Learning Research vol. 3, pp. 1157-1182, Jan. 2003
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.