Proceedings of the Korean Society of Computer Information Conference (한국컴퓨터정보학회:학술대회논문집)

Korean Society of Computer Information (한국컴퓨터정보학회)
권호 표지

Daily maximum power demand analysis using machine learning model

기계학습 모델을 활용한 일일 최대 전력 수요 분석

  • Lee, Tae-Ho (Dept. of Electrical and Computer Engineering, Sungkyunkwan University) ;
  • Kim, Min-Woo (Dept. of Electrical and Computer Engineering, Sungkyunkwan University) ;
  • Lee, Byung-Jun (Dept. of Electrical and Computer Engineering, Sungkyunkwan University) ;
  • Kim, Kyung-Tae (Dept. of Software, Sungkyunkwan University) ;
  • Youn, Hee-Yong (Dept. of Electrical and Computer Engineering, Sungkyunkwan University)
  • 이태호 (성균관대학교, 정보통신대학 전자전기컴퓨터공학과) ;
  • 김민우 (성균관대학교, 정보통신대학 전자전기컴퓨터공학과) ;
  • 이병준 (성균관대학교, 정보통신대학 전자전기컴퓨터공학과) ;
  • 김경태 (성균관대학교, 소프트웨어대학 소프트웨어학과) ;
  • 윤희용 (성균관대학교, 정보통신대학 전자전기컴퓨터공학과)
  • Published : 2019.07.10
Download PDF
⟨ Previous Next ⟩

Abstract

발전소 관리의 단기 전력 수요에 대한 정확한 예측은 전력 시스템의 안전하고 효율적인 작동을 보장하는데 필수적이다. 따라서 본 연구는 가우스 커널 함수 네트워크 (GKFNs)의 심층 구조를 이용하여 일일 최대 전력 수요를 예측하는 새로운 방법을 제시한다. 제안 된 GKFN의 깊이 구조는 표준 GKFN에 비해 예측 정확도를 향상시킨다. 한국의 일일 최대 전력 수요를 예측하기위한 시뮬레이션은 제안 된 예측 모델이 GKFN 모델, k-NN 및 SVR과 같은 다른 예측 모델에 비해 예측 성능에 이점이 있음을 보여준다. GKFN의 제안된 심층 구조는 시계열 예측 및 회귀 문제의 다양한 문제에 적용될 수 있다.

Keywords