Core Concepts
시간 합성곱 신경망(TCN)을 이용하여 선박 마이크로그리드의 동적 특성을 효과적으로 학습할 수 있다.
Abstract
이 연구에서는 선박 마이크로그리드의 동적 특성을 학습하기 위해 시간 합성곱 신경망(TCN) 모델을 제안하였다.
주요 내용은 다음과 같다:
중전압 직류(MVDC) 선박 마이크로그리드 시스템을 대상으로 하였다. 이 시스템은 동기발전기, 배터리 에너지 저장 장치, 슈퍼커패시터 등으로 구성되어 있으며, 펄스 전력 부하와 일정 전력 부하를 포함하고 있다.
TCN 모델은 인과 합성곱, 잔차 연결, 가중치 정규화 등의 기법을 활용하여 시계열 데이터의 특성을 효과적으로 학습할 수 있다.
다양한 시뮬레이션 케이스를 통해 TCN 모델의 성능을 검증하였다. 예측 정확도가 매우 높고(R2 > 0.99), 새로운 데이터에 대한 일반화 능력도 우수한 것으로 나타났다.
학습 데이터의 길이에 따른 모델 성능 변화를 분석하였으며, 적절한 데이터 길이 선택이 중요함을 확인하였다.
이 연구 결과는 선박 마이크로그리드의 데이터 기반 제어 전략 개발과 안정성 예측에 활용될 수 있을 것으로 기대된다.
Stats
평균 절대 오차(MAE)는 0.00754로 매우 낮은 수준이다.
R-squared(R2) 값은 0.9999로 모델의 예측 성능이 매우 우수하다.
Quotes
"시간 합성곱 신경망(TCN)은 인과 합성곱, 잔차 연결, 가중치 정규화 등의 기법을 활용하여 시계열 데이터의 특성을 효과적으로 학습할 수 있다."
"TCN 모델의 예측 정확도가 매우 높고(R2 > 0.99), 새로운 데이터에 대한 일반화 능력도 우수한 것으로 나타났다."