XGBoost-LSTM 앙상블을 이용한 태양광 발전량 예측 (Prediction of solar power generation using XGBoost-LSTM Ensemble)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 31권 / 6호 / 475 ~ 479페이지
· 저자명 : 권승일, 강상길

초록

최근, 화석 연료의 고갈로 인해 전 세계적으로 대체 에너지인 신재생 에너지의 비중이 증가하고 있는 추세이다. 이에 따라 생산 효율성을 극대화하기 위한 태양광 발전량 예측 연구에집중하고 있다. 기존의 연구들은 단일 모델만을 사용하여 태양광 발전량을 예측하지만 본논문에서는 XGBoost와 LSTM Encoder-Decoder의 앙상블 모델을 이용한 태양광 발전량을예측할 수 있는 기계학습 모델을 개발한다. 성능검증을 위해서 실제 과거의 태양광 발전량데이터와 기상 데이터를 활용해서 미래의 태양광 발전량을 예측하는 실험을 통해 제안한 앙상블 모델과 단일 LSTM Encoder-Decoder을 이용한 예측값의 성능 분석 및 비교를 보여준다.

영어초록

Recently, due to the depletion of fossil fuels, the proportion of new and renewable energy, which is an alternative energy, is increasing worldwide. It has been focusing on research about predicting solar power generation to maximize production efficiency. Existing studies predict solar power generation using only a single model which causes performance limit. To solve the problem, in this paper, we propose an ensemble models by mixing XGBoost and LSTM Encoder-Decoder. Also, we show the performance comparison between the predicted values obtained using the proposed technique and the predicted values obtained using a single LSTM Encoder-Decoder using actual past weather and solar power data.

참고자료

· 없음