IEEE Access | Jinhee

Forecasting Solar Power Generation Using
Integrated Convolutional Neural Networks and
Long Short Term Memory Networks

연구 인원

본인 역할

개발 환경

총 4명 / 구현 및 실험 2명, 논문 쓰기 작업 총 동원

scikit-learn의 regression을 이용한 발전량 예측, CNN 딥러닝 실험

1) Tool : jupyter notebook

2) Language : keras, tensorflow, python3

프로젝트 소개 (요약)

태양광 예측에 관여하는 변수를 통해 발전량 예측을 하는 것입니다. 해당 프로젝트는 딥러닝의 CNN + LSTM을 사용하여 예측하였습니다.

개발 내용(본인 구현 부분)

Regression

> python3 > scikit-learn의 regression을 통해 발전량 예측

> linear regression, random forest regression, support vector machine(SVM), elasticnet, SGDregressor, bayesianridge, lassoLars, ARDregression, passiveaggressiveregressor, orthogonal matching pursuit(OMP)

> 모델 평가 방법 : MAPE(mean absolute percentage error), RMSE(root mean square error), MAE(Mean Absolute Error)

Deep-learning(CNN)

> CNN을 이용한 발전량 예측

기상 데이터 포함, 기상 데이터 미포함으로 나눔

- 필터 크기, 필터 개수, 풀링함수 추가, 덴스 레이어 추가 등 다양한 실험

Forecasting Solar Power Generation Using Integrated Convolutional Neural Networks and Long Short Term Memory Networks

Forecasting Solar Power Generation Using
Integrated Convolutional Neural Networks and
Long Short Term Memory Networks