Support Vector Machine과 Gradient Boosting Machine 기반의 풍력발전량 예측 알고리즘 개발과 전력거래소 풍력발전량 예측 대회를 통한 알고리즘 성능 검증

박은총; 김수연; 손승우; 박서영; 이두희

doi:10.5370/KIEE.2019.68.12.1694

추천

검색

질문

자료유형: 학술저널

저자정보: 박은총 (Konkuk University) 김수연 (Konkuk University) 손승우 (Konkuk University) 박서영 (Konkuk University) 이두희 (Konkuk University)

저널정보: 대한전기학회 전기학회논문지 전기학회논문지 제68권 제12호

발행연도: 2019.12

수록면: 1,694 - 1,703 (10page)

DOI: 10.5370/KIEE.2019.68.12.1694

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

We propose a new method that improves the prediction accuracy of wind power generation by using two machine learning algorithms, support vector machine (SVM) and gradient boosting machine (GBM). We participate in the wind power forecasting competition held by KPX to verify the performance. First, we construct individual models in parallel using the data only at the corresponding target time since the data quality of weather data decreases as the target time increases. Second, we use the ensemble method by using two machine learning algorithms, SVM and GBM. Third, we extend the wind power generation data by interpolation to reduce the variation and estimate actual wind power generation. Fourth, we reconstruct the extended wind power generation data to prevent from converging to the average value and. We describe characteristics of stepwise model and present each result with normalized mean absolute error.

#Gradient boosting machine #Support vector machine #Short-term forecasting #Ensemble #Wind power forecasting

참고문헌 (21)

참고문헌 신청

Wooyoung Jeon / 2019 / Estimating the Integration Cost of Variable Renewable Generation Based on 3020 Roadmap / The Korean Society for New and Renewable Energy :242

MOTIE / 2017 / Renewable Energy 3020 Implementation Plan

신규식 / 2015 / 신재생에너지 동향 파악을 위한 토픽 모형 분석 / 한국산학기술학회논문지 16(9):6411~6418

김현기 / 2011 / 풍향의 변동성에 따른 연간에너지 발전량의 변화 / 한국태양에너지학회 논문집 31(5):1~8

KPX / 2014 / A Reserch on Development Plan of Supply-Demand for Large Renewable Energy Facilities

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

박은총

소속기관 Konkuk University

주요연구분야 공학 > 전기전자공학 > 전기공학

논문수 1 이용수 359

김수연

소속기관 농촌진흥청 국립농업과학원

주요연구분야 공학 > 전기전자공학 > 전기공학 농수해양학 > 식품과학

논문수 51 이용수 2,206

손승우

소속기관 건국대학교

주요연구분야 공학 > 전기전자공학 > 전기공학

논문수 6 이용수 997

박서영

소속기관 건국대학교

주요연구분야 공학 > 전기전자공학 > 전기공학

논문수 2 이용수 377

이두희

소속기관 건국대학교

주요연구분야 공학 > 전기전자공학 > 전기공학 TOP 10%

논문수 12 이용수 2,657

이 논문과 함께 이용한 논문

최적 기상 데이터 및 관측소 선정을 활용한 Gradient Boosting Machine 기반의 전력수요 예측 알고리즘 개발

김수연 , 손명수 , 권구덕 외 1명 전기학회논문지 2019 .07

Gradient Boosting Machine과 Laplace Distribution 기반의 확률적 전력수요 예측 알고리즘 연구

박세준 , 김현진 , 이두희 전기학회논문지 2021 .11

SVM 기법을 적용한 구름베어링의 부식 고장진단

고정일 , 이의영 , 이민재 외 2명 한국기계가공학회지 2021 .09

머신러닝 알고리즘을 이용한 풍력발전단지 발전량 예측과정에서 기상요인의 영향도 평가

김대영 , 김범석 한국신·재생에너지학회 학술대회 초록집 2021 .07

최소 출력변동성을 갖는 가상발전소 구성을 위한 분산형 재생에너지원의 최적 조합 방법

최어진 , 김종규 , 한혜승 외 1명 전기학회논문지 2020 .12

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (21)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)