최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기The journal of Bigdata = 한국빅데이터학회지, v.3 no.2, 2018년, pp.59 - 70
서한석 (인천대학교 동북아물류대학원) , 신광섭 (인천대학교 동북아물류대학원)
In order to provide stable district heat supplying service to the certain limited residential area, it is the most important to forecast the short-term future demand more accurately and produce and supply heat in efficient way. However, it is very difficult to develop a universal heat demand forecas...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
외부 환경에 의해 열 수요에 영향을 주는 변수를 외기온도로 제한한 이유는? | 그러나 많은 선행연구와 달리 외부 환경에 의해 열 수요에 영향을 주는 변수를 외기온도로 제한한 이유는 상기한 선행연구에 사용된 이슬점, 체감온도 등은 이미 외기온도에 의해 결정되는 변수이기 때문이다[2]. | |
열 수요예측 모델에서 첫 번째로 고려할 수 있는 변수는? | 첫 번째로 고려할 수 있는 변수는 바로 외기온도이다. 외기온도는 이미 여러 연구에서 다룬 바와 같이 열 수요에 가장 큰 영향을 주는 변수로, 열 수요와 반비례의 관계를 갖는다. | |
외기온도의 특성은? | 첫 번째로 고려할 수 있는 변수는 바로 외기온도이다. 외기온도는 이미 여러 연구에서 다룬 바와 같이 열 수요에 가장 큰 영향을 주는 변수로, 열 수요와 반비례의 관계를 갖는다. 이는 일정 지역만의 특징이 아닌 보편적인 특성으로 열 수요예측 모델의 범용성을 보장할 수 있다. |
Ahmad, T., Chen, H., Guo, Y., & Wang, J., "A comprehensive overview on the data driven and large scale based approaches for forecasting of building energy demand: A review". Energy and Buildings, Vol.165, pp.301-320, 2018.
Dotzauer, E., "Simple model for prediction of loads in district-heating systems", Applied Energy, Vol.73, No.3-4, pp.277-284, 2002.
Fang, T., and Lahdelma, R., "Evaluation of a multiple linear regression model and SARIMA model in forecasting heat demand for district heating system", Applied Energy, Vol.179, pp.544-552 2016.
Hippert, H. S., Pedreira, C. E., and Souza, R. C., "Neural networks for short-term load forecasting: A review and evaluation", IEEE Transactions on Power Systems, Vol.16, No.1, pp.44-55, 2001.
Idowu, S., Saguna, S., Ahlund, C., and Schelen, O., "Applied machine learning: Forecasting heat load in district heating system", Energy and Buildings, Vol.133, pp.478-488, 2016.
Johansson, C., Bergkvist, M., Geysen, D., De Somer, O., Lavesson, N., and Vanhoudt, D., "Operational demand forecasting in district heating systems using ensembles of online machine learning algorithms", Energy Procedia, Vol.116, pp.208-216, 2017.
McClure, N., 황정동, "TensorFlow machine learning cookbook :다양한 텐서플로 예제를 실행해 보면서 빠르게 익히는 머신 러닝", 에이콘. 2017.
Provatas, S., Lavesson, N., & Johansson, C., "An online machine learning algorithm for district heating systems heat load forecasting", EUROHEAT AND POWER, 2015.
Sandberg, A., Wallin, F., Li, H., & Azaza, M., "An analyze of long-term hourly district heat demand forecasting of a commercial building using neural networks", Energy Procedia, Vol. 105, pp.3784-3790, 2017.
김향민., "열병합발전을 위한 열수요 예측모델 개발", 숭실대학교 대학원 석사학위논문, 2017.
송기범, 박진수, 김윤배, 정철우, 박찬민. "지역 난방을 위한 열 수요예측". 산업공학 (IE Interfaces), 제24권, 제4호, pp.373-378, 2011.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.