4편의 한국어 분석 — 최신순으로 정렬했어요
전력 부하 예측 서비스는 일일 예산 제약 하에 정확도와 연산 비용이 다른 모델 간 추론 자원을 효율적으로 배분해야 하는 문제에 직면합니다. 본 연구는 사전 호출 정보, 완전 일자 롤링 폴드, 결과 시간 엠바고, 그리고 최소 서비스 보존 규칙을 활용하여 오프라인 정책을 평가했습니다. 컨텍스트 할당 방식과 FQI(Fitted Q Iteration), Double FQI, Neural FQI를 포함한 세 가지 강화 학습 기법을 정적 예측기와 비교했습니다. 네 가지 공개 데이터셋에 대해 네 가지 예측 기간과 세 가지 예산 제약 조건에서 …
이 연구는 선전시 400개 공공건물의 2021년 시간당 전력 부하 데이터를 활용하여 1시간 후 전력 부하 예측 모델을 개발했습니다. 예측 성능과 입력 데이터 요구 사항 간의 균형을 맞추는 것이 중요하며, 총 3,504,000개의 시간별 관측치를 분석했습니다. 각 건물별로 시계열 분할(훈련 80%, 테스트 20%) 후, 각 알고리즘에 대해 통합 모델을 구축했습니다. 건물 특성, 시간 정보, 기상 관측치, 사회-공간적 맥락, 전일 부하 프로파일 등 35가지 예측 변수를 사용했으며, 훈련 기간 내 5겹 확장 창 교차 검증을 통해 전처리…
기존 전력 시스템 부하 예측 방법은 복잡하고 변동성이 큰 데이터 처리 시 공간 의존성 모델링과 하이퍼파라미터 최적화에 한계가 있어 정확도와 안정성이 저하되는 문제가 있었습니다. 본 연구는 이러한 문제를 해결하고자 개선된 Salp Swarm 알고리즘(ISSA)과 Temporal Graph Convolutional Network(TGCN)를 통합한 단기 시공간 부하 예측 프레임워크를 제안합니다. ISSA는 전역 탐색과 지역 활용의 균형을 맞추는 적응형 감쇠 인자를 포함하고, 조기 수렴을 방지하는 동적 학습 메커니즘을 도입한 새로운 2…
전력 시스템 계획의 복잡성이 증대됨에 따라, 본 연구는 딥러닝 기반의 단기 전력 부하 예측 모델을 제안한다. KAN(Kolmogorov Arnold Networks)과 CNN(Convolutional Neural Networks)을 결합하고 베이지안 최적화 및 멀티 헤드 어텐션 메커니즘을 적용한 하이브리드 예측 모델 AM-CNN-KAN을 개발했다. AM-CNN-KAN 모델은 기존 모델 대비 MAE, MSE, RMSE, MAPE 성능 지표를 각각 0.072%, 7.52%, 2.44%, 1.23%, 7.10% 개선했다. 또한, 이 모…
