최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기에너지공학 = Journal of energy engineering, v.28 no.4, 2019년, pp.82 - 93
최승호 (가천대학교) , 이재복 (가천대학교) , 김원호 (가천대학교) , 홍준희 (가천대학교)
In this study, a new model is proposed to improve the problem of the decline of predict rate of heat demand on a particular date, such as a public holiday for the conventional heat demand forecasting system. The proposed model was the Four Season Mixed Heat Demand Prediction Neural Network Model, wh...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
외기온도기반 모델이란 무엇인가? | 외기온도기반 모델의 입력 변수에 일조량과 구름양을 입력 변수로 추가한 모델이다. 특정 지점에 도달하는 일조량은 태양의 복사에너지이며, 태양광의 일조 각도에 따라 변하며, 연중 일자 그리고 하루 중 시간이 변수로서 작용한다. | |
열수요 예측에 대한 기존 연구의 특징은 무엇인가? | 열수요 예측에 대한 국내의 기존 연구들은 출력을 입력의 선형함수 또는 단순한 비선형함수로 설정한 후, 축적된 데이터를 이용하여 계수와 상수를 계산하는 전통적인 회귀모형 모델을 이용하였다 [1][2]. 회귀모형을 이용한 모델의 경우 목적 시스템의 내재된 비선형성을 충분히 반영하지 못하여 오차가 커지는 단점이 있으며, 예측시스템의 확장이나 개선 등에 한계점을 가지고 있다. | |
열수요 예측의 장점은 무엇인가? | 화석연료를 연소하여 전력과 열을 생산하는 열병합발전소는 전력과 열을 모두 판매한다. 따라서 열수요를 예측하게 되면 판매 가능한 전력량도 예측할 수 있으며, 전력의 가격 변동에 따라 이익이 최대화되도록, 열병합발전을 통한 열생산 계획을 수립할 수 있다. Fig. |
Seo, B. S., Shim, S. Y., 2012, Forecasting the Demand for Local District-Heating Systems, Korean Energy Economic Review, Vol. 11, No. 2, pp. 27-55
Magnus Dahl, Adam Brun, Oliver S. Kirsebom, Gorm B. Andersen, 2018, Improving Short-Term Heat Load Forecasts with Calendar and Holiday Data, energies, Vol. 11, No. 7, pp. 1-16
Krzysztof Wojdyga, 2014, Predicting Heat Demand for a District Heating Systems, International Journal of Energy and Power Engineering, Vol. 3, No. 5, pp. 237-244
Vincent Bakker, Albert Molderink, Johann L. Hurink and Gerard J.M. Smit, 2008, Domestic Heat Demand Prediction Using Neural Networks, 19th International Conference on Systems Engineering, pp. 189-194
Etienne Saloux, Jose A. Candanedo, 2018, Forecasting District Heating Demand Using Machine Learning Algorithms, 16th International Symposium on District Heating and Cooling, Energy Procedia, Vol. 149, pp. 59-68
Eriksson, Niclas, 2012, Predicting demand in districtheating systems: A neural network approach, Uppsala University Publications, pp. 43
*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.