이 연구는 양수식 수력발전소(PSH)의 전기 및 수력 센서 데이터를 융합하여 단기 예측 성능을 향상시키는 방법을 제안한다.
PSH는 전기 및 수력 하위 시스템으로 구성되며, 이 두 하위 시스템은 상호 의존적이다. 따라서 두 하위 시스템의 데이터를 융합하면 예측 정확도를 높일 수 있다.
기존 연구에서는 각 하위 시스템에 대해 개별적으로 그래프 신경망을 적용했지만, 하위 시스템 간 상호 의존성을 고려하지 않았다.
이 연구에서는 스펙트럼-시간 그래프 신경망(STGNN)을 제안하여, 자기 주의 메커니즘을 통해 하위 시스템 간 상호 의존성과 동적 패턴을 동시에 학습한다.
STGNN은 데이터에서 직접 통합 그래프 표현을 학습하여 전기 및 수력 데이터를 융합한다. 이를 통해 예측 성능이 향상되고 일반화 능력이 높아진다.
스위스 PSH 데이터셋을 활용한 실험에서 제안 모델이 기존 방법보다 우수한 성능을 보였다.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문