종관기상관측 자료 기반 태양광발전량 예측에 관한 연구 (A Study on Prediction of Solar Power Generation based on Synoptic Meteorological Observation Data)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 60권 / 4호 / 93 ~ 99페이지
· 저자명 : 김준용, 정재원

초록

최근 태양광 발전 예측에 대한 연구는 대부분 신재생에너지의 불확실한 발전 출력 특성을 극복하기 위해 기계학습방법이나 기상 데이터들을 활용하는 방식으로 발전량을 예측하는 연구들이 진행되고 있다. 그러나 기계학습모델은 구축 및 운용을 위해서 상대적으로 더 많은 연산량이 요구되며 이에 따라 과적합 현상이 발생하여 실제 데이터에 대한 오차가 증가 할 가능성이 높다. 따라서 기계학습보다 상대적으로 더 작은 연상량으로 구축 및 운영할 수 있는 다중선형회귀분석을 활용하여 태양광 발전량 예측 모델을 구축할 수 있는 연구가 필요하다. 본 논문에서는 다중선형회귀분석과 발전과 밀접한 기상정보를 활용한 태양광 발전량 예측 모델을 제안한다. 제안된 예측 모델은 149시간 동안 수집된 태양광 발전량 데이터와 기상 데이터를 수집하여 각 기상변수들과 발전량과의 상관관계를 분석하였다. 이후 각 독립변수에 대한 다중선형회귀분석을 수행하였고, 통계적으로 유의한 변수들만을 선별하여 발전량예측을 위한 다중선형회귀모델을 구축하였다. 구현된 다중선형회귀모델의 성능을 평가하기 위해 결정계수, RMSE, MAE를 각각 계산하고 기존의 기계학습 방법을 사용한 태양광 발전량 예측 모델들과 성능을 비교하였다.

영어초록

Recently, most of the studies on prediction of solar power generation are conducted to predict the amount of power generation by using machine learning methods or meteorological data to overcome the uncertain characteristics of power generation output of new and renewable energy. However, machine learning models require a relatively large amount of computation for construction and operation, and as a result, there is a high possibility that errors for actual data will increase due to overfitting. In this paper, we propose a solar power generation prediction model using multiple linear regression analysis and meteorological information closely related to power generation. The proposed prediction model collected solar power generation data and meteorological data collected for 149 hours and analyzed the correlation between each meteorological variable and power generation. Afterwards, multiple linear regression analysis was performed on each independent variable, and a multiple linear regression model was constructed to predict power generation by selecting only statistically significant variables. To evaluate the performance of the implemented multiple linear regression model, the coefficient of determination, RMSE, and MAE were calculated, respectively, and the performance was compared with solar power generation prediction models using existing machine learning methods.

참고자료

· 없음