• Journal of Electrical Engineering and Technology
• /
• 제13권5호
• /
• pp.1874-1885
• /
• 2018

The customer side operation is getting more complex in a smart grid environment because of the adoption of renewable resources. In performing energy management planning or scheduling, it is essential to forecast non-controllable resources accurately and robustly. The PV system is one of the common renewable energy resources in customer side. Its output depends on weather and physical characteristics of the PV system. Thus, weather information is essential to predict the amount of PV system output. However, weather forecast usually does not include enough solar irradiation information. In this study, a PV system power output prediction model (PPM) under limited weather information is proposed. In the proposed model, meteorological radiation model (MRM) is used to improve cloud cover radiation model (CRM) to consider the seasonal effect of the target region. The results of the proposed model are compared to the result of the conventional CRM prediction method on the PV generation obtained from a field test site. With the PPM, root mean square error (RMSE), and mean absolute error (MAE) are improved by 23.43% and 33.76%, respectively, compared to CRM for all days; while in clear days, they are improved by 53.36% and 62.90%, respectively.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2001년도 추계학술발표논문집 (상)
• /
• pp.535-538
• /
• 2001

Since 1990s, many literatures have shown that connectionist models, such as back propagation, recurrent network, and RBF (Radial Basis Function) outperform the traditional models, MA (Moving Average), AR (Auto Regressive), and ARIMA (Auto Regressive Integrated Moving Average) in time series prediction. Neural based approaches to time series prediction require the enough length of historical measurements to generate the enough number of training patterns. The more training patterns, the better the generalization of MLP is. The researches about the schemes of generating artificial training patterns and adding to the original ones have been progressed and gave me the motivation of developing VTG schemes in 1996. Virtual term is an estimated measurement, X(t+0.5) between X(t) and X(t+1), while the given measurements in the series are called actual terms. VTG (Virtual Tern Generation) is the process of estimating of X(t+0.5), and VTG schemes are the techniques for the estimation of virtual terms. In this paper, the alternative VTG schemes to the VTG schemes proposed in 1996 will be proposed and applied to multivariate time series prediction. The VTG schemes proposed in 1996 are called deterministic VTG schemes, while the alternative ones are called stochastic VTG schemes in this paper.

• Nuclear Engineering and Technology
• /
• 제54권3호
• /
• pp.1126-1135
• /
• 2022

The MARS code has been assessed for the prediction of onset of flow instability (OFI) in a vertical channel. For assessment, we built an experiment database that consists of experiments under various geometry and thermal-hydraulic condition. It covers pressure from 0.12 to 1.73 MPa; heat flux from 0.67 to 3.48 MW/m²; inlet sub-cooling from 39 to 166 ℃; hydraulic diameters between 2.37 and 6.45 mm of rectangular channels and pipes. It was shown that the MARS code can predict the OFI mass flux for pipes reasonably well. However, it could not predict the OFI in a rectangular channel well with a mean absolute percentage error of 8.77%. In the cases of rectangular channels, the error tends to depend on the hydraulic diameter. Because the OFI is directly related to the subcooled boiling in a flow channel, we suggest a modified subcooled boiling model for better prediction of OFI in a rectangular channel; the net vapor generation (NVG) model and the modified wall evaporation model were modified so that the effect of hydraulic diameter and heat flux can be accurately considered. The assessment of the modified model shows the prediction of OFI mass flux for rectangular channels is greatly improved.

• 대한치과교정학회지
• /
• 제52권2호
• /
• pp.102-111
• /
• 2022

Objective: To develop and explore the usefulness of an artificial intelligence system for the prediction of the need for dental extractions during orthodontic treatments based on gender, model variables, and cephalometric records. Methods: The gender, model variables, and radiographic records of 214 patients were obtained from an anonymized data bank containing 314 cases treated by two experienced orthodontists. The data were processed using an automated machine learning software (Auto-WEKA) and used to predict the need for extractions. Results: By generating and comparing several prediction models, an accuracy of 93.9% was achieved for determining whether extraction is required or not based on the model and radiographic data. When only model variables were used, an accuracy of 87.4% was attained, whereas a 72.7% accuracy was achieved if only cephalometric information was used. Conclusions: The use of an automated machine learning system allows the generation of orthodontic extraction prediction models. The accuracy of the optimal extraction prediction models increases with the combination of model and cephalometric data for the analytical process.

• 스마트미디어저널
• /
• 제13권2호
• /
• pp.9-15
• /
• 2024

본 논문에서는 신용 예측에서 발생하는 불균형 문제를 해결하기 위해 Diffusion Multi-step Classifier(DMC)를 제안한다. DMC는 Diffusion Model을 통해 신용 예측 데이터의 연속적인 수치형 데이터들을 생성하고 생성된 데이터들을 Multi-step Classifier로 구분하는 것으로 범주형 데이터를 생성한다. DMC를 통해 기존의 데이터를 생성하는 다른 알고리즘보다 실제 데이터와 유사한 분포를 가지는 데이터를 생성할 수 있었다. 이렇게 생성된 데이터를 사용하여 실험을 진행하였을 때 연체를 예측할 확률이 20%이상 상승하였으며, 전체적으로 예측 정확성은 약 4%정도 상승하였다. 이러한 연구 결과는 실제 금융기관에 적용 시 연체율 감소와 수익 증가에 큰 기여를 할 수 있을것으로 예상된다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제23권11호
• /
• pp.632-640
• /
• 2017

일사량은 태양광 발전시스템의 전력 생산량에 가장 큰 영향을 미치는 기상요소이며, 다른 기상요소들과 달리 기상청의 일기예보를 통해 제공받을 수 없다. 따라서 효율적인 태양광 발전시스템 운용을 위해 일사량 예측에 관한 연구는 필수적이다. 본 연구는 기상정보 데이터 기반의 Dynamic Piecewise 일사량 예측 모델을 제안한다. Dynamic Piecewise 일사량 예측 모델은 유사한 태양고도와 유사한 날씨의 데이터 조각들로 나누어 학습하기 위해, 예측하는 시점의 태양고도와 운량을 기준으로 전체 데이터를 동적으로 나눈 후 기계학습 알고리즘인 다중 선형회귀 알고리즘으로 학습하여 일사량을 예측하는데 사용된다. 본 연구의 성능을 검증하기 위해 제안 모델인 Dynamic Piecewise 일사량 예측 모델과 이전 연구에서 제안한 모델, 기존의 상관관계식 기반 일사량 예측 모델에 동일한 기상정보 데이터 셋을 적용하여 비교하였으며, 비교결과 본 연구에서 제안한 모델이 가장 정확한 일사량 예측 성능을 보였다.

• 중소기업융합학회논문지
• /
• 제6권4호
• /
• pp.93-98
• /
• 2016

최근 스마트 그리드와 관련된 프로젝트가 선진국을 중심으로 활발하게 연구되고 있다. 특히, 전력 문제의 장기적 안정 대책으로 분산전원이 주목받고 있다. 본 논문에서는 분산형 전원의 출력 예측을 위해서 물리모델과 통계모델을 조합하여 예측 정보 오차율을 비교분석할 수 있는 3차원 기상 수치 모델을 제안한다. 제안 모델은 분산형 전원의 예측정보를 향상시킬 수 있어 안정적인 전력계통 연계를 위한 예측시스템을 가능하다. 성능평가 결과, 제안모델은 발전량 예측 정확도가 4.6% 개선되었고, 온도보정 예측 정확도는 3.5% 향상되었다. 마지막으로 일사량 보정 정확도는 1.1% 향상되었다.

• 한국음향학회지
• /
• 제39권2호
• /
• pp.77-86
• /
• 2020

본 연구에서는 날개 끝 와류 공동(Blade-Tip Vortex Cavitation, BTVC)과 이에 기인한 유동 소음을 예측하기 위하여 Eulerian/Lagrangian 연성 해석기법을 제안하였다. 제안한 방법은 크게 연속적인 4단계로 구성되며, 각각 전산유체역학을 이용한 유동장 모사, 와류모델을 이용한 날개 끝 와류의 재구성, 기포 동역학 모델을 이용한 BTVC의 생성, 그리고 음향상사법을 이용한 음향파 예측이다. 일반적으로 전산유체역학 자체가 지니는 고유한 수치감쇠와 과도한 난류 강도로 인해 와류 강도를 심각하게 작게 예측하므로, 유동방향의 날개 끝 와류는 와류모델을 사용하여 재생하였다. 다음으로 Reyleigh-Plesset 방정식에 기반한 기포 동역학 모델을 사용하여 BTVC의 발생과 변화를 모사하였다. 마지막으로 BTVC에 의한 유동소음을 각각의 구형 버블을 그 부피 시간변화율의 변화율에 크기가 비례하는 홀극원으로 모델링하여 예측하였다. 제안한 수치 방법의 유효성을 예측값과 측정값을 비교하여 검토하였다.

• 한국항해항만학회지
• /
• 제27권2호
• /
• pp.111-119
• /
• 2003

해상수송의 안전성을 개선하는 하나의 수란으로서, 해상풍 정보로부터 예정 항로상에서 조우하게될 파랑정보를 높은 정밀도로 예측하여 단시간에 본선에 제공할 수 있는 시스템을 개발할 필요가 있다. 본 연구에서는 이의 제1단계로서 대양에서의 다방향 불규칙파 예측을 위한 파랑추산모델을 제시하였다. 검토방법으로는 과거 실제 해역에서 발생한 황천에 기인한 선박 침몰사고를 대상으로 선박의 항행 일정에 따른 해상풍의 분석 및 파랑추산시뮬레이션을 수행하였으며, 이로부터 사고 선박이 조우한 해상을 평가하고 모델의 재현성 및 정도를 검토하였다. 연구비 결과, 사고 선박은 침몰사고의 원인이 Okhotsk해에서 발달한 저기압에 의해 급속히 성장한 고파랑 해역을 회피하지 못하여 발생한 것에 있음을 명백히 하였으며, 본 계산에 이용한 제3세대 파랑추산모델(WAM)로부터의 결과는 실제 관측 파랑의 유의파고, 주기, 방향 스펙트럼 등 항행관련의 파랑제원과 잘 부합되었으며, 실용 선박에서의 예측시스템 구축에 적용성이 양호한 것으로 나타났다.

• 한국태양에너지학회 논문집
• /
• 제30권6호
• /
• pp.66-72
• /
• 2010

In this study, we analyzed the characteristics of wind speed and wind direction at different locations in Jeju area using past 10 years observed data and used them in our wind power forecasting model. Generally the strongest hourly wind speeds were observed during daytime(13KST~15KST) whilst the strongest monthly wind speeds were measured during January and February. The analysis with regards to the available wind speeds for power generation gave percentages of 83%, 67%, 65% and 59% of wind speeds over 4m/s for the locations Gosan, Sungsan, Jeju site and Seogwipo site, respectively. Consequently the most favorable periods for power generation in Jeju area are in the winter season and generally during daytime. The predicted wind speed from the forecast model was in average lower(0.7m/s) than the observed wind speed and the correlation coefficient was decreasing with longer prediction times(0.84 for 1h, 0.77 for 12h, 0.72 for 24h and 0.67 for 48h). For the 12hour prediction horizon prediction errors were about 22~23%, increased gradually up to 25~29% for 48 hours predictions.