메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이제현 (Korea Institute of Energy Research) 최정철 (Korea Institute of Energy Research)
저널정보
한국신재생에너지학회 신·재생에너지 신재생에너지 제16권 제1호(통권 제63호)
발행연도
2020.3
수록면
15 - 24 (10page)
DOI
10.7849/ksnre.2020.2042

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
For mechanical load testing of wind turbines, capture matrix is constructed for various range of wind speeds according to the international standard IEC 61400-13. The conventional method wastes considerable amount of data by its invalid data policy -segment data into 10 minutes then remove invalid ones. Previously, we have suggested an alternative way to save the total amount of data to build a capture matrix, but the efficient selection of data has been still under question. The paper introduces optimization algorithms to construct capture matrix with less data. Heuristic algorithm (simple stacking and lowest frequency first), population method (particle swarm optimization) and Q-Learning accompanied with epsilon-greedy exploration are compared. All algorithms show better performance than the conventional way, where the distribution of enhancement was quite diverse. Among the algorithms, the best performance was achieved by heuristic method (lowest frequency first), and similarly by particle swarm optimization: Approximately 28% of data reduction in average and more than 40% in maximum. On the other hand, unexpectedly, the worst performance was achieved by Q-Learning, which was a promising candidate at the beginning. This study is helpful for not only wind turbine evaluation particularly the viewpoint of cost, but also understanding nature of wind speed data.
#Wind power(풍력) #Wind turbine(풍력 발전기) #Wind speed(풍속) #Optimization(최적화) #Artificial intelligence(인공지능) #Algorithm(알고리즘)

목차

ABSTRACT
1. 서론
2. 방법론
3. 수집 행렬 구축
4. 결론
References

참고문헌 (7)

참고문헌 신청
International Electro-technical Commission / 2015 / IEC 61400-13: Wind turbines - Part 13: Measurement of mechanical loads / International Electro-technical Commission (IEC) google schola Choi, J. / 2019 / Method of optimizing capture matrix, KR Patent No. 1020190063688 google schola Sutton, R. S. / 2015 / Reinforcement learning: an introduction / The MIT Proess google schola Kennedy, J. / 1995 / Particle swarm optimization / Proceedings of ICNN’95-International Conference on Neural Networks 4:1942~1948 google schola Esmin, A. A. A. / 2015 / A review on particle swarm optimization algorithm and its variants to clustering high-dimensional data / Artif. Intell. Rev 44(1):23~45 google schola

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

신·재생에너지 융합시스템의 인공지능 기반 디지털전환 연구
한광우 ,  이경호 ,  김종규 외 2명 한국신·재생에너지학회 학술대회 초록집 2022 .04
5G기반 산업단지 친환경 에너지 시스템 구축 및 서비스 실증에 대한 연구
윤만석 ,  추인오 ,  이창교 외 1명 한국에너지학회 학술발표회 2021 .11
비-허미시안 행렬에 대한 저 복잡도 양자 역행렬 알고리즘
정현우 ,  하정석 한국통신학회 학술대회논문집 2020 .08
주차대기행렬 예측을 통한 기계식 주차장 적정 대기규모 산정에 관한 연구
진태희 ,  박제진 ,  박진만 외 1명 대한토목학회 학술대회 2019 .10
빅데이터의 영 과잉 문제를 위한 머신러닝 알고리즘
전성해 한국지능시스템학회 논문지 2019 .12

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2020-505-000461298