300x250 random forest3 [논문정리] 전력계통 유연성 증가를 위한 앙상블 기법의 태양광 발전 출력 예측 모델링에 관한 연구 - 3 3. 태양광 발전소의 일사량과 출력 예측 본 논문에서는 전라남도에 위치한 태양광 발전소의 일사량과 태양광 출력 예측을 위해 태양광 발전소 주변의 온도, 습도, 일사량 관측이 가능한 기상관측소들을 파악하고 이에 대해 상관관계 감쇠 거리를 계산했다. 온도, 습도, 일사량 데이터를 가지고 있는 전라남도, 전라북도, 경상남도 지역에서 16개의 기상 관측소를 선정하였고, 모두 CDD 범위 내에 들어가는 것을 확인하였다. 더 정확한 예측 결과를 만들어 내기 위해 상위 50%의 상관관계를 갖는 거리 내에 있는 관측소를 선정하였고 총 8곳이 선정되었다. 미래의 태양광 발전 출력 예측을 하기 위해서는 예측이 진행되는 시점의 데이터가 준비되어있어야 한다. 현재 기상청에서는 온도, 습도 정도의 정보만 주간 단위로 제공을 해.. 2021. 8. 25. [논문정리] 전력계통 유연성 증가를 위한 앙상블 기법의 태양광 발전 출력 예측 모델링에 관한 연구 - 2 2. 태양광 발전 출력 예측 기법 2-1. 태양광 발전 출력 예측의 필요성과 경제적 이점 태양광, 풍력과 같이 기상 조건에 많은 영향을 받는 변동성 전원이 증가하면서 변동성 전원의 계통 연계를 대비하기 위해 계통의 유연성을 향상하는 것이 중요해졌다. 유연성을 증가시키는 데 자주 사용되는 방안 중에는 재생에너지의 예측 기술이 가장 비용 효율적인 방법으로 소개되어 있다. 태양광 발전 출력 예측의 이점 전력계통의 효과적인 운영 태양광 발전의 출력 변동성에 대한 최적의 관리 전력 계통 예비력 산정 전력 계통의 안정적 운영을 위한 스케줄링 혼잡 관리 최적의 저장장치 관리 생산된 전력의 시장에서의 거래 전력 생산 비용 감소의 효과 2-2. 공간 모델링 공간 모델링이란 기상 분석과 같은 지구과학 및 엔지니어링 등 다.. 2021. 8. 24. [NYC 택시 수요 예측 PJT] 9. XGBoost Regressor, LightGBM Regressor, Random Forest 본 게시글에서는 머신러닝의 앙상블 모델인 Random Forest와 Gradient Boost 기법의 종류인 XGBoost와 LightGBM를 사용하여 예측을 진행한다. XGBoost와 LightGBM 기법은 최근 Kaggle 플랫폼에서 좋은 성능을 보이며 주목을 받고 있다. 하지만 두 모델 모두 의사결정나무 (Decision Tree)를 기반으로 하기 때문에 오버 피팅 (Over-fitting)에 주의해야 한다. 부스팅은 랜덤 포레스트나 배깅처럼 여러 개의 트리를 만드나 기존에 있는 예측기를 발전시켜서 이를 합한다는 차이점이 있다. 정리해보면 배깅은 모델을 다양하게 만들기 위해 데이터를 재구성하는 방법, 랜덤 포레스트는 모델을 다양하게 만들기 위해 데이터와 변수 모두 재구성하는 방법 그리고 부스팅은 맞.. 2021. 8. 15. 이전 1 다음 300x250
