http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Solar Photovoltaic Generation Forecasting using Machine Learning Methods
Bowoo Kim,Dongjun Suh 한국디지털콘텐츠학회 2020 The Journal of Contents Computing Vol.2 No.1
Forecasting of Photovoltaic(PV) power generation plays an important role in the planning and operation of the supply and demand response of the entire power grid system. Therefore, this study aims to develop an integrated model for predicting PV power generation in South Korea for stable and efficient power supply and demand response. Especially, in the case of PV power generation, it is important to increase the reliability of the prediction model for accurate prediction because it reacts sensitively to external factors such as atmospheric factors. Most of the previous studies focused on the atmospheric factors in the forecasting of the PV power generation. However, this study considers new parameters such as geographical and facility factors along with PV output of previous time step. Conventional time series method(SARIMAX) and machine learning-based methods, such as Support Vector Regression(SVR) and Artificial Neural Network(ANN) were employed for forecasting PV power generation.
위성 이미지의 관심영역을 활용한 단기간 태양광 발전량 예측에 관한 연구
김보우(Bowoo Kim),황준화(Junhwa Hwang),서동준(Dongjun Suh) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
본 연구는 안정적이고 효율적인 전력 수급을 위해 구름의 움직임을 반영한 태양광 발전량 예측을 모델을 개발하고자 한다. 이를 위해 일사량에 가장 직접적인 영향을 미치는 구름의 움직임을 근적외 권운 위성이미지를 통해 태양광 발전량 예측 모델에 반영하고자 한다. 또한, 위성 이미지가 태양광 발전량 예측 모델에 미치는 영향을 파악하기 위해 3 가지의 실험을 진행하였다. 실험 결과 태양광 발전소를 중심으로 관심영역 (ROI; Region of Interest)과 주변영역을 함께 학습시킨 모델의 성능이 다른 모델과 대비하여 MAE 와 RMSE 각각 약 12.3%, 9.9% 우수한 성능을 가지는 것을 확인하였다.
스마트팜 이미지 데이터를 이용한 딸기의 생육 단계 분류 모델 개발에 관한 연구
김은완(Eunwan Kim),최정훈(Jeonghoon Choi),김보우(Bowoo Kim),서동준(Dongjun Suh) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
본 논문은 이미지 데이터를 이용하여 딸기의 생육 단계를 자동 분류하는 시스템을 개발하고 기존 스마트팜 기술과 연계하여 각 생육 단계 별 적합한 환경 조성과 적절한 수확 시기를 알려주는 시스템을 개발하고자 한다. 딸기의 생육 단계별 이미지 데이터를 제공받고 ResNet50 기반으로 딸기의 생육 단계를 분류하는 모델을 설계하여 딸기의 생육 단계를 분류하는 연구를 진행하였다. 실험 결과 생육 단계 분류 모델의 정확도는 약 98.7%로 나타났고 결과값의 시각화를 통해 분류에 우수한 성능을 나타내는 모델임을 검증하였다.