RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      KCI등재

      그래프 신경망 기반 개폐기별 단기부하예측에 관한 연구

      한글로보기

      https://www.riss.kr/link?id=A108005115

      • 0

        상세조회
      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      다국어 초록 (Multilingual Abstract)

      In this paper, the short-term load forecasting for each switch is performed by graph neural network-based ST-GCN(Spatio Temporal Graph Convolution Networks) model. The proposed model can predict the hourly load by using the connection information of the automatic switch belonging to the D/L(Distribution Line). To this end, the connection information between the switches belonging to the D/L is simplified, and the load information per hour is prep-processed. Next, our model is trained by constructing a training set with the features of the four D/L, which are the experimental subjects. Finally, to verify the predictive models performance, we compared the performance of ARIMA(Auto-Regressive Integrated Moving Average) and LSTM(Long-Term Short-Term Memory). And its limitations are discussed.
      번역하기

      In this paper, the short-term load forecasting for each switch is performed by graph neural network-based ST-GCN(Spatio Temporal Graph Convolution Networks) model. The proposed model can predict the hourly load by using the connection information of t...

      In this paper, the short-term load forecasting for each switch is performed by graph neural network-based ST-GCN(Spatio Temporal Graph Convolution Networks) model. The proposed model can predict the hourly load by using the connection information of the automatic switch belonging to the D/L(Distribution Line). To this end, the connection information between the switches belonging to the D/L is simplified, and the load information per hour is prep-processed. Next, our model is trained by constructing a training set with the features of the four D/L, which are the experimental subjects. Finally, to verify the predictive models performance, we compared the performance of ARIMA(Auto-Regressive Integrated Moving Average) and LSTM(Long-Term Short-Term Memory). And its limitations are discussed.

      더보기

      목차 (Table of Contents)

      • Abstract
      • 1. 서론
      • 2. DAS 데이터 전처리
      • 3. D/L 별 개폐기 부하예측모델
      • 4. 실험 및 분석
      • Abstract
      • 1. 서론
      • 2. DAS 데이터 전처리
      • 3. D/L 별 개폐기 부하예측모델
      • 4. 실험 및 분석
      • 5. 결론
      • References
      더보기

      참고문헌 (Reference)

      1 임성일, "일부하 곡선을 이용한 배전계통 구간부하 관리방법" 한국조명.전기설비학회 26 (26): 47-52, 2012

      2 Scarselli, F., "The Graph Neural Network Model" 20 (20): 61-80, 2008

      3 Yu, B., "Spatio-temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting" 3634-3640, 2018

      4 Alberg, D., "Short-term Load Forecasting in Smart Meters with Sliding Window-based ARIMA Algorithms" 5 (5): 241-249, 2018

      5 Dong, X., "Short-term Load Forecasting in Smart Grid : A Combined CNN and K-means Clustering Approach" 119-125, 2017

      6 Kim, B. S., "Short-Term Load Froecasting of Transformer using Artificial Neural Networks" 19 (19): 20-25, 2005

      7 Jain, A., "Short Term Load Forecasting by Clustering Technique Based on Daily Average and Peak Loads" 1-7, 2009

      8 Kim, M. S., "Research on Conceptual Design of the Next-generation Distribution Management System" 2016

      9 Sak, H., "Long Short-term Memory Recurrent Neural Network Architectures for Large Scale Acoustic Modeling" 2014

      10 Hochreiter, S., "Long Short-term Memory" 9 (9): 1735-1780, 1997

      1 임성일, "일부하 곡선을 이용한 배전계통 구간부하 관리방법" 한국조명.전기설비학회 26 (26): 47-52, 2012

      2 Scarselli, F., "The Graph Neural Network Model" 20 (20): 61-80, 2008

      3 Yu, B., "Spatio-temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting" 3634-3640, 2018

      4 Alberg, D., "Short-term Load Forecasting in Smart Meters with Sliding Window-based ARIMA Algorithms" 5 (5): 241-249, 2018

      5 Dong, X., "Short-term Load Forecasting in Smart Grid : A Combined CNN and K-means Clustering Approach" 119-125, 2017

      6 Kim, B. S., "Short-Term Load Froecasting of Transformer using Artificial Neural Networks" 19 (19): 20-25, 2005

      7 Jain, A., "Short Term Load Forecasting by Clustering Technique Based on Daily Average and Peak Loads" 1-7, 2009

      8 Kim, M. S., "Research on Conceptual Design of the Next-generation Distribution Management System" 2016

      9 Sak, H., "Long Short-term Memory Recurrent Neural Network Architectures for Large Scale Acoustic Modeling" 2014

      10 Hochreiter, S., "Long Short-term Memory" 9 (9): 1735-1780, 1997

      11 Cho, K., "Learning Phrase Representations Using RNN Encoder-decoder for Statistical Machine Translation"

      12 Xu, Y., "Large-scale Weakly Supervised Audio Classification Using Gated Convolutional Neural Network" 121-125, 2018

      13 Liu, Z., "Introduction to Graph Neural Networks" 14 (14): 1-127, 2020

      14 김동욱 ; 박영배 ; 추철민 ; 조성호 ; 서인용, "ICT융복합 기술을 이용한 차세대 배전계통 운영 시스템 설계 및 검증" (사)디지털산업정보학회 15 (15): 19-28, 2019

      15 이해성 ; 이병성 ; 안현, "EV 충전소의 일별 최대전력부하 예측을 위한 LSTM 신경망 모델" 한국인터넷정보학회 21 (21): 119-127, 2020

      더보기

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      주제

      연도별 연구동향

      연도별 활용동향

      연관논문

      연구자 네트워크맵

      공동연구자 (7)

      유사연구자 (20) 활용도상위20명

      인용정보 인용지수 설명보기

      학술지 이력

      학술지 이력
      연월일 이력구분 이력상세 등재구분
      2027 평가예정 재인증평가 신청대상 (재인증)
      2021-01-01 평가 등재학술지 유지 (재인증) KCI등재
      2018-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2015-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2014-01-08 학술지명변경 외국어명 : 미등록 -> Journal of the Korean Institute of Illuminating and Electrical Installation Engineers KCI등재
      2011-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2009-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2007-01-01 평가 등재학술지 유지 (등재유지) KCI등재
      2004-01-01 평가 등재학술지 선정 (등재후보2차) KCI등재
      2003-01-01 평가 등재후보 1차 PASS (등재후보1차) KCI등재후보
      2001-07-01 평가 등재후보학술지 선정 (신규평가) KCI등재후보
      더보기

      학술지 인용정보

      학술지 인용정보
      기준연도 WOS-KCI 통합IF(2년) KCIF(2년) KCIF(3년)
      2016 0.17 0.17 0.19
      KCIF(4년) KCIF(5년) 중심성지수(3년) 즉시성지수
      0.18 0.17 0.342 0.05
      더보기

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼