Earticle

초록

영어

This paper analyzes the artificial intelligence-based approach for short-term energy consumption prediction. In this paper, we employ the reinforcement learning algorithms to improve the limitation of the supervised learning algorithms which usually utilize to the short-term energy consumption prediction technologies. The supervised learning algorithm-based approaches have high complexity because the approaches require contextual information as well as energy consumption data for sufficient performance. We propose a deep reinforcement learning algorithm based on multi-agent to predict energy consumption only with energy consumption data for improving the complexity of data and learning models. The proposed scheme is simulated using public energy consumption data and confirmed the performance. The proposed scheme can predict a similar value to the actual value except for the outlier data.

한국어

본 논문은 단기 에너지 사용량 예측을 위해 인공지능 기반의 접근법에 대해 분석한다. 본 논문에서는 단기 에너지 사용량 예측 기술에 자주 활용되는 지도학습 알고리즘의 한계를 개선하기 위해 강화학습 알고리즘을 활용한다. 지도학습 알고리즘 기반의 접근법은 충분한 성능을 위해 에너지 사용량 데이터뿐만 아니라 contextual information이 필요하여 높은 복잡성을 가진다. 데이터와 학습모델의 복잡성을 개선하기 위해 다중 에이전트 기반의 심층 강화학습 알고리즘을 제안하여 에너지 사용량 데이터로만 에너지 사용량을 예측한다. 공개된 에너지 사용량 데이터를 통해 시뮬레이션을 진행 하여 제안한 에너지 사용량 예측 기법의 성능을 확인한다. 제안한 기법은 이상점의 특징을 가지는 데이터를 제외하고 실제값과 유사한 값을 예측하는 것을 보여준다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 에너지 사용량 예측
Ⅲ. 강화학습 기반 에너지 사용량 예측 모델
1. 강화학습
2. 제안된 기법
Ⅳ. 시뮬레이션 및 결과
1. 데이터셋
2. 성능분석
Ⅴ. 결론
References

키워드

저자

• 선영규 [ Young-Ghyu Sun | 준회원, 광운대학교 전자융합공학과 ]
• 이지영 [ Jiyoung Lee | 준회원, 광운대학교 전자융합공학과 ]
• 김수현 [ Soo-Hyun Kim | 준회원, 광운대학교 전자융합공학과 ]
• 김수환 [ Soohwan Kim | 정회원, ㈜그리드위즈 ]
• 이흥재 [ Heung-Jae Lee | 정회원, 광운대학교 전기공학과 ] 교신저자
• 김진영 [ Jin-Young Kim | 정회원, 광운대학교 전자융합공학과 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국인터넷방송통신학회 논문지 [The Journal of the Institute of Internet, Broadcasting and Communication]

• 간기

  격월간

• pISSN

  2289-0238

• eISSN

  2289-0246

• 수록기간

  2001~2025

• 십진분류

  KDC 326 DDC 380