정보처리학회 논문지 소프트웨어 및 데이터 공학
Current Result Document : 7 / 14
이전건
다음건 
| 한글제목(Korean Title) |
효과적인 결측치 보완을 통한 다층 퍼셉트론 기반의 전력수요 예측 기법 |
| 영문제목(English Title) |
A Multilayer Perceptron-Based Electric Load Forecasting Scheme via Effective Recovering Missing Data |
| 저자(Author) |
문지훈
박성우
황인준
Jihoon Moon
Sungwoo Park
Eenjun Hwang
|
| 원문수록처(Citation) |
VOL 08 NO. 02 PP. 0067 ~ 0078 (2019. 02) |
한글내용
(Korean Abstract) |
정확한 전력수요 예측은 스마트 그리드의 효율적인 운영에 있어 매우 중요하다. 최근 IT 기술이 획기적으로 발전되면서, 인공지능 기법을 이용한 빅 데이터 처리를 기반으로 정확한 전력수요를 예측하는 많은 연구가 진행되고 있다. 이러한 예측 모델은 주로 외부 요인과 과거 전력수요를 독립 변수로 사용한다. 하지만, 다양한 내부적 또는 외부적 원인으로 전력수요 데이터의 결측치가 발생하게 되면 정확한 예측 모델을 구성하기가 어렵다. 이에 본 논문에서는 랜덤 포레스트 기반의 결측치 데이터 보완 기법을 제안하고, 보완된 데이터를 기반으로 한 다층 퍼셉트론 기반의 전력수요 예측 모델을 구성한다. 다양한 실험을 통해 제안된 기법의 예측 성능을 입증한다.
|
영문내용
(English Abstract) |
Accurate electric load forecasting is very important in the efficient operation of the smart grid. Recently, due to the development of IT technology, many works for constructing accurate forecasting models have been developed based on big data processing using artificial intelligence techniques. These forecasting models usually utilize external factors such as temperature, humidity and historical electric load as independent variables. However, due to diverse internal and external factors, historical electrical load contains many missing data, which makes it very difficult to construct an accurate forecasting model. To solve this problem, in this paper, we propose a random forest-based missing data recovery scheme and construct an electric load forecasting model based on multilayer perceptron using the estimated values of missing data and external factors. We demonstrate the performance of our proposed scheme via various experiments.
|
| 키워드(Keyword) |
스마트 그리드
전력수요 예측
결측치 보완
심층 학습
Smart Grid
Electric Load Forecasting
Missing Data Handling
Deep Learning
|
| 파일첨부 |
PDF 다운로드
|
