머신러닝을 이용한 태양광 발전량 예측 및 태양 추적 패널을 이용한 발전량 연구 (Solar Power Generation Prediction Using Machine Learning and Study of Power Generation Using Solar Tracking Panels)

서지정보

· 발행기관 : 대한기계학회
· 수록지 정보 : 대한기계학회논문집 B / 47권 / 1호 / 55 ~ 62페이지
· 저자명 : 기준홍, 백승준, 소재영, 엄한결, 신정헌

초록

전 세계적으로 신재생 에너지의 중요성이 부각됨에 때라 대한민국은 2030년까지 신재생에너지 발전비중을 30.2%까지 늘리는 것을 목표로 하고 있다. 태양광 발전은 국내 신재생 에너지 발전량 중 80% 이상을 차지하는 중요한 역할을 한다. 하지만, 태양광 발전은 기상요소에 따라 발전량이 크게 변동하므로 안정적인 에너지 확보를 위해서 태양광 발전의 불안정성에 대한 대응과 발전량 증대가 필요하다. 따라서 본 논문에서는 기상데이터를 기반으로 머신러닝 모델을 학습시켜 태양광 발전량을 예측하고, 계절 및 시간에 따라 변화하는 태양 고도와 방위각을 계산하고, 태양을 추적하도록 발전 패널 제어하여 태양광 발전량을 증가시킨다. 실험 결과 0.208의 제곱평균오차 이내로 발전량을 예측했고, 태양 추적 전후 발전량의 차이가 23.4%임을 확인하였다.

영어초록

As the importance of renewable energy is growing worldwide, Republic of Korea aims to increase the proportion of renewable energy generation to 30.2% by 2030. Solar power plays an important role, accounting for more than 80% of domestic renewable energy generation. However, since the amount of solar power generation varies greatly depending on weather factors, it is necessary to respond to the instability of solar power generation and increase the generation amount in order to secure stable energy. Therefore, in this paper, we learn a machine learning model based on weather data to predict the amount of solar power generation, calculate the solar altitude and azimuth that change according to seasons and time, and increase the amount of solar power generation by controlling the solar power panel. As a result of the experiment, the power generation was predicted to be within 0.208 mean square error, and it was confirmed that the difference in power generation before and after sun tracking was 23.4%.

참고자료

· 없음