선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 예측 방법 간 비교에서는 HGPR 를 다른 세가지 예측 방법들(최근접 이웃법, support vector regression(SVR), Gaussian process regression(GPR))과 비교한다.
- 여기서는 총 세 개의 예측 방법들과 성능을 비교하였다. 첫 번째로 비교한 방법은 최근접 이웃법으로써, 현재 에너지 관리 시스템에 근접 이웃 수 1 의 설정으로 구현 돼 있다.
- 첫 번째로 비교한 방법은 최근접 이웃법으로써, 현재 에너지 관리 시스템에 근접 이웃 수 1 의 설정으로 구현 돼 있다. 그 외에 regression 기법으로써 많이 사용되는 SVR 과 HGPR 의 원 모델인 GPR 과도 성능을 비교하였다. (그림 8), (그림 9), (그림 10), (그림 11), (그림 12)의 결과들에 따르면 최근접 이웃법의 경우 근접 이웃 수에 관계없이 항상 HGPR 보다 예측 성능이 좋지 않았고, SVR 의 경우도 역시 cost 파라미터에 상관없이 HGPR 보다 성능이 좋지 않았다.
- 본 연구로 인해 전통적 에너지 관리 시스템과 가장 크게 달라지는 점은 전문가의 판단을 기다리는 것이 아니라 시스템이 자체적으로 정해진 모델에 따라 데이터베이스에 저장된 기록들을 분석하고 따라서는 판단까지 내리게 된다. 또한 이상이 발생하였을 때 원인을 쉽게 찾을 수 있도록 특정 설비에 대해 영향을 주는 인자들에 대해 정의한 뒤, 이들에 대해 민감도 분석, 추세 분석, 연관성 검증, 인과관계 도출의 과정을 거쳐서 어떤 인자들이 해당 설비의 에너지 효율에 주된 영향을 미치는 지에 대해서도 분석하게 된다. 마지막으로 HGPR 가 최근접 이웃법 알고리즘보다는 전반적으로 예측이 크게 빗나가는 경우가 적게 발생하고, GPR 보다는 학습데이터가 늘어나면 늘어날수록 학습시간이 현저히 줄어들게 된다.
이론/모형
- 예측 알고리즘 모델에 기반하여 학습을 하기 위해서는 데이터를 군집화하는 과정이 먼저 이루어지게 된다. 군집화 알고리즘 중 가장 널리 사용되는 k-mean clustering 알고리즘을 사용한다.
- (모델에 이미 데이터들(x)이 군집을 이루고 있고, 각 군집의 센터들도 사전에 주어지도록 설계가 되어있기 때문) 본 프로그램이 예측하고 하는 풍력 에너지 발전량은 어느 정도 시간이나 계절의 영향을 받기는 하지만 어떤 식으로 군집화해야 하는 지 명확한 경계를 사람이 일일이 정하기는 어렵기 때문에 자동 군집화 알고리즘을 사용한다. 여기서는 군집화 알고리즘 중 가장 널리 사용되는 k-mean clustering 알고리즘을 사용한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.