최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기디지털콘텐츠학회 논문지 = Journal of Digital Contents Society, v.17 no.3, 2016년, pp.157 - 164
이현진 (Dept. of Computer Science & Software, Korea Soongsil Cyber University)
Solar power generation influenced by the weather. Using the weather forecast information, it is possible to predict the short-term solar power generation in the future. However, in limited circumstances such as islands or mountains, it can not be use weather forecast information by the disconnection...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
섬과 같은 고립된 지역에서 태양광 발전량 예측이 중요한 이유는 무엇인가? | 전소에 의해 공급되는 전기 생산의 보조수 단으로 태양광 발전기를 사용할 때, 보다 섬과 같은 고립된 지역에서 이용되는 태양광 발전기는 전력생산에 미치는 영향력이 크기 때문에 태양광 발전량 예측이 중요하다. 또한 전력공급이 원활하도록 디젤 발전기와 같은 다른 발전기를 돌려야 한다. | |
앙상블 알고리즘에 사용한 학습 알고리즘 중 RPROP의 특징은 무엇인가? | 앙상블 알고리즘에 사용한 학습 알고리즘은오류역전파(Backpropagation)와 RPRO(Resilient backpropagation), SCG (Scaled Conjugate Gradient)를 사용했다. 오류역전파는 신경회로망 학습에 가장 많이 사용되는 방법이고[5], RPROP는 모든 패턴의 편미분의 부호를 고려하여 각 가중치를 독립적으로 학습하는 방법으로빠른 학습을 보인다[6]. SCG 알고리즘은 에너지 최소화와 같은 제약이 없는 최적화 문제를 해결 하는데 많이 사용한다[7]. | |
기존의 태양광 발전량을 예측 연구에는 무엇이 있는가? | 태양광 발전소를 건설하기 전에 해당 지역의 태양광 발전량을 예측하는 연구는 다양하게 이루어져 왔다. 일사량을 이용하여 태양광 모듈의 발전량을 예측하는 연구가 있었다[1][2]. 또한, 일사량, 일조시간, 운량 등에 의한 청명 일수와 위도와 해발 고도 등다양한 데이터를 활용하여 태양광 발전 효율을 예측한 연구도 있었다[3]. 그리고 운량 예보를 활용하여 기존에 설치된 태양광 발전소의 발전 량을 단기 예측한 연구도 있었다[4]. |
M. Detynicki, C. Marsala, A. Krishman, and M. Siegel, "Weather-based solar energy prediction," WCCI 2012 IEEE world cong. on computational intelligence, pp. 1-7, June, 2012.
A. Prastawa, and R. Dalimi, "New Approach on Renewable Energy Solar Power Prediction in indonesia based on Artificial Neural Network technique: Southern region of Sulawesi island study case," 2013 International Conference on Quality in Research, pp. 166-169, 2013.6.
K. D. Kim, "The Development of the Short-Term Predict Model for Solar Power Generation," Journal of the Korean Solar Energy Society, Vol.33, No.6, 2013.
Rokach, L. ,"Ensemble-based classifiers", Artificial Intelligence Review, Vol. 33, pp. 1-39, 2010.
Christian Igel and Michael Husken, "Empirical Evaluation of the Improved Rprop Learning Algorithm", Neurocomputing, Vol. 50, pp. 105-123, 2003.
Avriel, and Mordecai, "Nonlinear Programming: Analysis and Methods", Dover Publishing, 2003.
Durbin J. and Koupman, S.J. "Time Series Analysis by Static Space Methods", Oxford University Press, 2001.
Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani, "An Introduction to Statistical Learning with Applications on R", Springer, 2013.
C. B. Kim "Forecasting the Seaborne Trade Volume using Intervention Multiplicative Seasonal ARIMA and Artificial Neural Network Model",Journal of Korea Port Economic Association, Vol.31, No.1, pp.69-84, 2015.
M. S. Kim, K. W. Kim, S. S. Park, "A Study on the Air Travel Demand Forecasting using time series ARIMA-Intervention Model," Journal of the Korean Society for Aviation and Aeronautics, Vol. 20, No.1, pp.63-74, 2012.
https://www.californiasolarstatistics.ca.gov/data_downloads/
http://www.friendlyforecast.com/
David S. Moore, William I. Notz, and Michael A. Fligner, "The Basic Practice of Statistics", W. H. Freeman, 2015.
*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.