$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

빅데이터를 활용한 머신러닝 기반 태양에너지 발전량 예측 모델
Implementation of machine learning-based prediction model for solar power generation 원문보기

융합보안논문지 = Convergence security journal, v.22 no.2, 2022년, pp.99 - 104  

김종민 (동신대학교 정보보안학과) ,  이준형 (동신대학교 신재생에너지학과)

초록
AI-Helper 아이콘AI-Helper

본 연구는 기후변화에 따른 전남 영암지역의 기상변화와 태양광 에너지 생산량의 빅데이터 분석을 통해 상관관계를 도출하여 태양광 에너지 생산 예측 모델을 제시하였다. 사용된 데이터는 공공데이터에서 제공하는 2016년 1월부터 2019년 12월까지의 영암지역의 날씨와 태양에너지 생산량 데이터를 사용하였다. 머신러닝 기법을 활용하여 기상변화와 태양광 에너지 생산량의 회귀분석을 통하여 지역의 날씨와 태양광 에너지 생산량과의 상관 관계식을 도출 하였다. 도출된 예측식을 적용하여 지역의 태양에너지 생산을 계산하였으며, 이를 생산지수로 표현하여 3단계로 구분하였다. 이 같이 구분된 3단계의 생산지수를 통해 향후 기후변화에 따른 태양에너지 생산량을 예측하고, 농업 활동에 있어 중요한 바로미터로 활용될 것이라 판단된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This study provided a prediction model for solar energy production in Yeongam province, Jeollanam-do. The model was derived from the correlation between climate changes and solar power production in Yeongam province, Jeollanam-do, and presented a prediction of solar power generation through the regr...

주제어

#Machine learning   #Climate change   #Weather   #photovoltaic system   #solar energy generation   #Prediction   #correlation analysis  

참고문헌 (7)

  1. 이석호, 김지홍. 태양광 발전량에 주요한 영향을？미치는 기상변수 선정을 위한 탐색 및 시각화.？대한전기학회학술대회 논문집, pp 464-465. 2021. 

  2. Seong S. Chae, Chansoo Kim, Jong-Min Kim, William D. Warde, "Cluster analysis using different correlation coefficients", Statistical Papers Vol. 49, No.4, 2006, pp.715-727 

  3. Ali Abbas, "Statistical Signal Processing Technique for Identification of Different Infected Sites of the Diseased Lungs", Journal？of medical systems Vol. 36, No.3, 2010, pp.1537-1541. 

  4. Ozbayoglu G, Ozbayoglu ME (2006) A new？approach for the prediction of ash fusion？temperatures: a case study using Turkish？lignites. Fuel 85:545-552. 

  5. Mehmet Bilgili, "Prediction of soil temperature using regression and artificial neural？network models", Meteorology and Atmospheric Physics Vol. 110, Numbers.1-2, 2010,？pp.59-70 

  6. K. T. Chau, J. E. Chan, "Regional bias of landslide data in generating susceptibility maps using logistic regression: Case of Hong Kong Island", Landslides Vol. 2, No. 4, 2005, pp.280-290. 

    상세보기

  7. http://www.kma.go.kr/ 

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로