딥러닝 알고리즘을 이용한 태양광발전량 예측 모델에 대한 연구 (A Study on the Prediction Model of Photovoltaic Power Generation using Deep Learning Algorithm)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 60권 / 2호 / 119 ~ 125페이지
· 저자명 : 강병복, 윤중현

초록

본 논문에서는 태양광에너지에 대한 발전량을 예측하기 위하여 3가지 딥러닝 알고리즘을 적용하였고, 실제 한국전력거래소에서 사용하고 있는 예측오차율을 통해 발전량을 예측오차를 산출하였다. 태양광발전설비와 기상청의 데이터 중 주요 데이터를 추출하고 파라미터를 최적화를 진행하였다. 3가지 알고리즘 중, 공통적으로 LSTM(Long Short-Term Memory) 알고리즘이 우수한 특성을 나타내었고, 구름과 같이 기상 환경이 변하는 경우에는 실제 발전량과 예측 발전량 사이에 오차가 많이 발생였지만 일정하게 기상이 유지될 경우에는 예측발전량이 실제 발전량에 수렴하는 특징을 보였다. 이러한 결과를 통해 태양발전시스템은 다양한 환경에 따른 출력특성 학습을 통해 예측발전과 실제 발전사이의 예측 오차율을 개선할 수 있을 예상된다.

영어초록

In this paper, in order to predict the amount of power generation for solar energy, the prediction error rates for three deep learning algorithms were applied and tested. For the data used during the test, the parameters were optimized by extracting data from photovoltaic power generation facilities and Korea Meteorological Administration. Among the three algorithms, as a result of measuring the prediction error rate according to the weather environment, the LSTM(Long Short-Term Memory) algorithm showed excellent characteristics in common. When the meteorological environment changes, such as clouds, there is a large error between the actual power generation and the predicted power generation. In addition, when the weather is maintained at a constant level, the predicted power generation converges to the actual power generation. Through these results, it is thought that the prediction error rate between predicted power generation and actual power generation can be improved through learning of output characteristics according to various environments.

참고자료

· 없음