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
김은지 (진전기엔지니어링) 이택기 (한경대학교) 김규호 (한경대학교)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제70권 제5호
발행연도
2021.5
수록면
735 - 741 (7page)
DOI
10.5370/KIEE.2021.70.5.735

이용수

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

이 논문의 연구 히스토리 (4)

2021

기상 테이터를 이용한 딥러닝 기반 풍력 발전량 예측에 관한 연구
김은지 ,  이택기 ,  김규호 전기학회논문지 2021.05 학술저널
기상 데이터를 이용한 딥러닝 기반 풍력발전량 예측
김은지 IoT융합산업학과 2021.01 학위논문

2020

LSTM 기반 다변량의 기상 데이터를 이용한 풍력 발전량 예측
김은지 ,  이택기 ,  김규호 대한전기학회 학술대회 논문집 2020.10 학술대회자료
풍력 단지의 데이터를 활용한 머신러닝 기반 풍력 시스템의 발전량 예측
김은지 ,  이택기 ,  김규호 대한전기학회 학술대회 논문집 2020.07 학술대회자료

초록· 키워드

오류제보하기
Although the proportion of wind energy sources in the system is increasing, the variability and stochastic characteristics of wind power have a negative effect on system stability and on the rescheduling of the system’s power generation. Therefore, an accurate prediction of wind power generation is necessary for stable power distribution in the power system. High-precision wind power forecasting provides a reliable basis for dispatching of power system. Since wind power data is time series data with uncertainty, a suitable model, the LSTM algorithm of Keras, was proposed to predict a short-term wind power generation. The LSTM has memory to store past states, so it is suitable for the problem of predicting time series data. This paper proposes a forecasting procedure using an LSTM neural network to forecast wind power. First, Pearson correlation coefficient method is utilized to determine the parameters of LSTM forecasting model. Then a case study was performed using real data collected from a wind farm in Yeongheung to confirm that the LSTM model was suitable for wind power prediction.
#Deep-Learning #LSTM #Prediction #Wind Power

목차

Abstract
1. 서론
2. 본론
3. 시뮬레이션
4. 결론
References

참고문헌 (8)

참고문헌 신청
T. Mahmoud / 2018 / An advanced approach for optimal wind power generation prediction intervals by using self-adaptive evolutionary extreme learning machine / Renewable Energy 126:254~269 google schola Kanna Bhaskar / 2012 / AWNN-Assisted Wind Power Forecasting Using Feed-Forward / IEEE Transactions on Sustainable Energy 3(2) google schola X. Qu / 2016 / Shortterm prediction of wind power based on deep long shortterm memory / IEEE PES Asia-Pacific Power and Energy Conference google schola Qu Xiaoyun / 2016 / Short-Term Prediction of Wind Power Based on Deep Long Short-Term Memory / 2016 IEEE PES Asia-Pacific Power and Energy Engineering Conference (APPEEC) google schola Onder Eyecioglu / 2019 / Performance Comparison of Different Machine Learning Algorithms on the Prediction of Wind Turbine Power Generation / 2019 IEEE 8th International Conference on Renewable Energy Research and Applications (ICRERA) 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

와전류 댐퍼의 동적특성
곽동기 ,  배재성 ,  황재혁 한국소음진동공학회 학술대회논문집 2007 .03
시간별 LSTM 기법을 이용한 단기풍력발전 예측
최준영 ,  이송근 전기학회논문지 2020 .06
Analysis of Aerodynamic Force with Blade Rotation for a Vertical Axis Wind Turbine
Sajid Ali ,  Choon-Man Jang 한국유체기계학회 학술대회 논문집 2021 .12
Analysis of Tangential Forces at Leading Edge for Straight-bladed H-Darrieus Wind Turbine
Sajid Ali ,  Choon-Man Jang 한국유체기계학회 학술대회 논문집 2021 .07
Air Hole을 적용한 230kW급 저풍속 풍력터빈용 발전기의 내부 열유동해석
이준용 ,  안태경 ,  김만복 외 1명 한국유체기계학회 학술대회 논문집 2021 .07

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-560-001688452